Курс починається з основ векторного простору. Слухачі дізнаються про геометричні властивості векторів, рівняння прямої та поняття базису. Цей модуль також включає рівняння площини, що дає фундамент для подальшого вивчення.
Тут розглядається довжина векторів та різні метрики відстаней. Студенти навчаться вимірювати подібність між векторами, що безпосередньо застосовується в кластеризації K-Means та методі k-найближчих сусідів для класифікації та регресії.
Модуль охоплює скалярний добуток векторів та проекції на лінії. Поглиблено вивчається рівняння площини, а потім - рівняння гіперплощин. Ці знання застосовуються в методах опорних векторів та ядерному трюку.
Студенти освоюють операції з матрицями та розуміють матриці як функції. Включає знаходження обернених матриць, розв'язування систем лінійних рівнянь, визначення рангу матриці та роботу з виродженими матрицями.
Цей блок охоплює ортогональні перетворення - матриці обертання та відображення. Далі вивчаються афінні та проективні перетворення, зміна систем відліку та проекції векторів на підпростори разом з їх властивостями.
Модуль пояснює розв'язування перевизначених систем лінійних рівнянь через псевдообернені матриці. Показує зв'язок лінійної регресії з проекційними перетвореннями. Далі - розклад матриць методом SVD, метод головних компонент та зменшення розмірності даних.
Завершальна частина курсу присвячена алгебрі 3D графіки. Студенти вивчають pinhole модель камери, матриці внутрішніх параметрів, кути Ейлера та зовнішні матриці. Останній модуль - капстон проект з побудови прогнозної моделі, що об'єднує всі отримані знання.
Заняття проходять у формі вебінарів по середах о 19:30, а відеолекції стають доступними щоп'ятниці. Програма включає практичні завдання з реальними даними та курсовий проект. Викладачі дають регулярний зворотний зв'язок. Після успішного завершення видається сертифікат. Кошти можна повернути протягом перших 7 днів від початку навчання.