原文：
www.kdnuggets.com/2022/10/5-free-courses-master-linear-algebra.html
1. Google 网络安全证书 - 快速开启网络安全职业生涯
2. Google 数据分析专业证书 - 提升您的数据分析能力
3. Google IT 支持专业证书 - 支持您组织的 IT 工作
数据科学是一个流行词，很多爱好者希望学习其基础知识，以在这一领域中获得丰厚的职业前景。线性代数是学习数据转换技术（如预处理、降维等）的重要概念之一。
来源: 图片由 rawpixel.com 提供于 Freepik
有很多课程可以选择，但选择适合您需求的正确课程是很困难的。决定正确课程的多个因素包括：
-
您手头上有多少时间？例如，如果您已经了解了这些概念但需要复习，那么您可以选择一门课程来快速浏览关键主题。
-
您是否在寻找高级话题并希望深入了解该学科？
-
有些学习者喜欢播放列表风格的视频，而其他人则喜欢通过解决练习题来巩固对概念的理解
-
您是否愿意为课程付费，还是选择从免费的课程列表中学习？如果您像我一样相信教育应该对所有人开放，那么有一个好消息。最近，免费课程的数量有所增加，这有助于您迅速提升技能，并使您成为一名自学成才的数据科学家。
这篇文章的确切意图就是通过列出五门免费课程来帮助您轻松找到学习数据科学线性代数基础的资源。
在我直接列出课程之前，让我先解释一些常见的问题——我们为什么需要学习线性代数？它与数据科学和机器学习概念有什么关系？
机器学习算法通常需要了解标量、向量和矩阵，以计算损失函数、特征值、协方差矩阵等。此外，线性代数在神经网络、正则化技术、推荐系统、奇异值分解（SVD）、主成分分析（PCA）等领域也被广泛使用。
现在我们了解了掌握线性代数概念的重要性，接下来让我们找出五门免费课程，以掌握这些概念：
这是一个包含 16 个视频的播放列表，包括交叉乘积、点积、特征向量、特征值等概念。3Blue1Brown 是一个 YouTube 频道，专注于通过独特的可视化技术以易于理解的方式教授数学概念。尽管它不算作正式的课程，但由于其独特的数学发明和可视化主题，该频道已被推荐在我们的列表中。
这是一门很好的课程，用于学习线性代数的基本知识，如向量积、线性变换、求行列式等。如果你希望快速复习基础知识，可以参考这个链接。
这是一个短课程，包含一个 10 个视频的播放列表，重点讲解为什么你需要学习线性代数以应用于机器学习。该课程是一个入门课程，可以在 90 分钟内很好地理解线性代数的概念。
Khan Academy 和 3Blue1Brown 的视频容易理解，能够帮助你作为初学者快速上手。一旦你从这些资源中学会了基本概念，你就可以开始学习下面推荐的更深入、更全面的课程内容。
该课程由罗伯特·范·德·盖恩教授讲授，包括短视频和可视化内容，之后是练习和编程作业。
该课程持续 15 周，需要每周 6-10 小时的学习时间。最棒的是它是自学课程，可以根据学习者的便利完成。
课程提供两种格式——验证（付费）和审计（免费）轨道。如果你希望获得完成证书并有权访问评分作业和考试，则需要选择验证，即付费轨道。你可以在这里查看每个轨道的更多详细信息。
这个课程是“机器学习数学专业化”系列的一部分，并且评分很高（4.7/5）。这门课程的独特之处在于，它不仅解释了理论概念，还通过 Python 代码帮助学习者理解和实现这些想法。
对于没有足够 Python 背景的学习者，这门课程也适合入门，因为它通过短小的代码块和重点概念进行指导。课程持续四周，需要 19 小时完成。
这篇文章列出了五个流行的课程来掌握线性代数。最棒的是，所有列出的课程都是免费的，并且按从初级到更高级的概念进行排名。虽然机器学习社区不断质疑是否有必要学习线性代数以入门机器学习，我还是强烈推荐采用更灵活的方法，持续迭代并参考这些课程，以规划你的机器学习算法之旅。
Vidhi Chugh 是一位获奖的 AI/ML 创新领导者和 AI 伦理学家。她在数据科学、产品和研究的交汇处工作，旨在提供业务价值和洞察力。她倡导以数据为中心的科学，并在数据治理方面是领先专家，致力于构建值得信赖的 AI 解决方案。