Курс начинается с основ векторного пространства. Слушатели узнают о геометрических свойствах векторов, уравнении прямой и понятии базиса. Этот модуль также включает уравнение плоскости, что дает фундамент для дальнейшего изучения.
Здесь рассматривается длина векторов и различные метрики расстояний. Студенты научатся измерять подобие между векторами, что непосредственно применяется в кластеризации K-Means и методе k-ближайших соседей для классификации и регрессии.
Модуль охватывает скалярное произведение векторов и проекции на линии. Углубленно изучается уравнение плоскости, а затем - уравнение гиперплоскостей. Эти знания применяются в методах опорных векторов и ядерном трюке.
Студенты осваивают операции с матрицами и понимают матрицы как функции. Включает нахождение обратных матриц, решение систем линейных уравнений, определение ранга матрицы и работу с вырожденными матрицами.
Этот блок охватывает ортогональные преобразования - матрицы вращения и отражения. Далее изучаются аффинные и проективные преобразования, смена систем отсчета и проекции векторов на подпространства вместе с их свойствами.
Модуль объясняет решение переопределенных систем линейных уравнений через псевдообратные матрицы. Показывает связь линейной регрессии с проекционными преобразованиями. Далее - разложение матриц методом SVD, метод главных компонент и уменьшение размерности данных.
Завершающая часть курса посвящена алгебре 3D графики. Студенты изучают pinhole модель камеры, матрицы внутренних параметров, углы Эйлера и внешние матрицы. Последний модуль - капстон проект по построению прогнозной модели, объединяющей все полученные знания.
Занятия проходят в форме вебинаров по средам в 19:30, а видеолекции становятся доступными каждую пятницу. Программа включает практические задания с реальными данными и курсовой проект. Преподаватели дают регулярную обратную связь. После успешного завершения выдается сертификат. Средства можно вернуть в течение первых 7 дней от начала обучения.