Скачать
Скачать
Скачать
Kail
Организатор
Проверенный
- Регистрация
- 09.04.2020
- Сообщения
- 332 361
- Реакции
- 28 145
- Монеты
- 1 191
- Оплачено
- 0
- Баллы
- 0
- #SkladchinaVip
- #1
[МФТИ] Математика для анализа данных
- Ссылка на картинку
-
Вы освоите основы важнейших разделов математики:
1) Дискретная математика
2) Математический анализ
3) Линейная алгебра и аналитическая геометрия
4) Теория вероятностей
5) Математическая статистика и элементы аналитики
Описание курса
Книга природы написана на языке математики. То же самое можно сказать и про науку о данных. На курсе "Математика для Data Science" мы научим вас высшей математике ровно в том объёме, который необходим для входа в профессию Data Scientist. Занятия ведут преподаватели математики Московского физико-технического института, имеющие опыт работы в Data Science-подразделениях Яндекса и Сбербанка.
Программа курса:
Дискретная математика, 1 неделя:
Вы научитесь использовать теорию множеств для формализации математических идей, получите представление об основных комбинаторных объектах и их свойствах, научитесь решать задачи по комбинаторике: такие задачи часто встречаются на собеседованиях в IT-компании.
Математический анализ, 2 недели:
Вы изучите теоретические основы математического анализа в том объеме, который необходим каждому Дата Сайентисту: познакомитесь с понятиями предела, производной и интеграла, научитесь дифференцировать и интегрировать. Также в этой главе вы изучите важнейший для обучения нейросетей аппарат минимизации значений функций.
Линейная алгебра и аналитическая геометрия, 2 недели:
Вектор - это основная сущность для любой модели машинного обучения. Поэтому векторную алгебру должен свободно уметь применять любой исследователь данных. Вы научитесь производить операции над векторами и матрицами, получите геометрическую интуицию векторного пространства и узнаете, как линейная алгебра применяется в анализе данных.
Теория вероятностей, 2 недели:
Теория вероятностей кроется за каждой моделью машинного обучения. Вы изучите основы теории вероятностей, научитесь работать со случайными величинами, вычислять математическое ожидание и дисперсию, а также узнаете, почему данные часто имеют нормальное распределение.
Математическая статистика и элементы аналитики, 2 недели:
Статистический анализ - это незаменимый инструмент исследования данных. Вы изучите способы извлечения простейших закономерностей из данных, научитесь формулировать и проверять гипотезы о данных, овладеете корреляционным анализом.
1) Дискретная математика
2) Математический анализ
3) Линейная алгебра и аналитическая геометрия
4) Теория вероятностей
5) Математическая статистика и элементы аналитики
Описание курса
Книга природы написана на языке математики. То же самое можно сказать и про науку о данных. На курсе "Математика для Data Science" мы научим вас высшей математике ровно в том объёме, который необходим для входа в профессию Data Scientist. Занятия ведут преподаватели математики Московского физико-технического института, имеющие опыт работы в Data Science-подразделениях Яндекса и Сбербанка.
Программа курса:
Дискретная математика, 1 неделя:
Вы научитесь использовать теорию множеств для формализации математических идей, получите представление об основных комбинаторных объектах и их свойствах, научитесь решать задачи по комбинаторике: такие задачи часто встречаются на собеседованиях в IT-компании.
Математический анализ, 2 недели:
Вы изучите теоретические основы математического анализа в том объеме, который необходим каждому Дата Сайентисту: познакомитесь с понятиями предела, производной и интеграла, научитесь дифференцировать и интегрировать. Также в этой главе вы изучите важнейший для обучения нейросетей аппарат минимизации значений функций.
Линейная алгебра и аналитическая геометрия, 2 недели:
Вектор - это основная сущность для любой модели машинного обучения. Поэтому векторную алгебру должен свободно уметь применять любой исследователь данных. Вы научитесь производить операции над векторами и матрицами, получите геометрическую интуицию векторного пространства и узнаете, как линейная алгебра применяется в анализе данных.
Теория вероятностей, 2 недели:
Теория вероятностей кроется за каждой моделью машинного обучения. Вы изучите основы теории вероятностей, научитесь работать со случайными величинами, вычислять математическое ожидание и дисперсию, а также узнаете, почему данные часто имеют нормальное распределение.
Математическая статистика и элементы аналитики, 2 недели:
Статистический анализ - это незаменимый инструмент исследования данных. Вы изучите способы извлечения простейших закономерностей из данных, научитесь формулировать и проверять гипотезы о данных, овладеете корреляционным анализом.