37 lines
2.1 KiB
Markdown
37 lines
2.1 KiB
Markdown
# Модуль 02. Линейная алгебра и геометрия данных
|
||
|
||
Плановый срок: **недели 4–5**.
|
||
|
||
## Цели
|
||
|
||
- понимать векторы, матрицы и линейные преобразования
|
||
- связывать ранг, базис, собственные значения и SVD с ML
|
||
- понимать геометрию регрессии, эмбеддингов и снижения размерности
|
||
|
||
## Предварительные знания
|
||
|
||
Нужны массивы NumPy, формы и матричное умножение из модуля 01, а также школьная алгебра.
|
||
|
||
## Теория
|
||
|
||
1. [Векторы, нормы, скалярное произведение, проекции и косинус](notes/01_vector_geometry.md)
|
||
2. [Матрицы, ранг, обратная матрица и системы уравнений](notes/02_matrices_systems_rank.md)
|
||
3. [Собственные значения, SVD, обусловленность и мост к PCA](notes/03_eigen_svd_conditioning.md)
|
||
|
||
Термины модуля: [`notes/glossary.md`](notes/glossary.md).
|
||
|
||
Для каждого урока: прочитайте теорию, воспроизведите ключевой пример своими
|
||
руками и запишите три тезиса без подсказки. Формулы из этого модуля нужно
|
||
уметь связать с кодом и наблюдаемым поведением модели.
|
||
|
||
## Задания
|
||
|
||
- [`assignments/01_geometry.md`](assignments/01_geometry.md) — Геометрия векторов
|
||
- [`assignments/02_least_squares.md`](assignments/02_least_squares.md) — МНК через матрицы
|
||
- [`assignments/03_pca_svd.md`](assignments/03_pca_svd.md) — PCA через SVD
|
||
|
||
## Завершение модуля
|
||
|
||
Модуль завершён, когда все задания удовлетворяют критериям приёмки,
|
||
вы можете объяснить основные решения без ноутбука и получили review.
|