286 個評分
8,914 人已註冊
Implement Principal Component Analysis (PCA) from scratch with NumPy and Python
Conduct basic exploratory data analysis (EDA)
Create simple data visualizations with Seaborn and Matplotlib
Welcome to this 2 hour long project-based course on Principal Component Analysis with NumPy and Python. In this project, you will do all the machine learning without using any of the popular machine learning libraries such as scikit-learn and statsmodels. The aim of this project and is to implement all the machinery of the various learning algorithms yourself, so you have a deeper understanding of the fundamentals. By the time you complete this project, you will be able to implement and apply PCA from scratch using NumPy in Python, conduct basic exploratory data analysis, and create simple data visualizations with Seaborn and Matplotlib. The prerequisites for this project are prior programming experience in Python and a basic understanding of machine learning theory. This course runs on Coursera's hands-on project platform called Rhyme. On Rhyme, you do projects in a hands-on manner in your browser. You will get instant access to pre-configured cloud desktops containing all of the software and data you need for the project. Everything is already set up directly in your internet browser so you can just focus on learning. For this project, you’ll get instant access to a cloud desktop with Python, Jupyter, NumPy, and Seaborn pre-installed.
Data Science
Python Programming
Seaborn
Numpy
PCA
在與您的工作區一起在分屏中播放的視頻中，您的授課教師將指導您完成每個步驟：
Introduction and Overview
Load the Data and Libraries
Visualize the Data
Data Standardization
Compute the Eigenvectors and Eigenvalues
Singular Value Decomposition (SVD)
Selecting Principal Components Using the Explained Variance
Project Data Onto a Lower-Dimensional Linear Subspace
您的工作空間就是瀏覽器中的雲桌面，無需下載
在分屏視頻中，您的授課教師會為您提供分步指導
由 TA 提供
2020年10月30日Good Introductory project to gain insights into PCA using Numpy and python.
由 HP 提供
2020年9月8日This is a great project. The instructor facilitates clear and practically.
由 PP 提供
2020年5月31日Course is amazing, got many concepts clear, learned a lot. Would also be great if more than one datasets are taken as excercise.
由 AA 提供
2020年8月4日It's a good course for someone to try out his knowledge of the basic packages and the concepts and the maths behind PCA.
購買指導項目後，您將獲得完成指導項目所需的一切，包括通過 Web 瀏覽器訪問云桌面工作空間，工作空間中包含您需要了解的文件和軟件，以及特定領域的專家提供的分步視頻說明。
由於您的工作空間包含適合筆記本電腦或台式計算機使用的雲桌面，因此指導項目不在移動設備上提供。
指導項目授課教師是特定領域的專家，他們在項目的技能、工具或領域方面經驗豐富，並且熱衷於分享自己的知識以影響全球數百萬的學生。
您可以從指導項目中下載並保留您創建的任何文件。為此，您可以在訪問云桌面時使用‘文件瀏覽器’功能。
指導項目不符合退款條件。 請查看我們完整的退款政策。
指導項目不提供助學金。
指導項目不支持旁聽。
您可在頁面頂部點按此指導項目的經驗級別，查看任何知識先決條件。對於指導項目的每個級別，您的授課教師會逐步為您提供指導。
是，您可以在瀏覽器的雲桌面中獲得完成指導項目所需的一切。
您可以直接在瀏覽器中於分屏環境下完成任務，以此從做中學。在屏幕的左側，您將在工作空間中完成任務。在屏幕的右側，您將看到有授課教師逐步指導您完成項目。
還有其他問題嗎？請訪問 學生幫助中心。
