Yangban Tal
Редактор
- Регистрация
- 24.06.19
- Сообщения
- 35,548
- Реакции
- 220,014
Автор: [МФТИ]
Название: Математика для анализа данных. Часть 2 (2020)
Математика для анализа данных от ФПМИ МФТИ
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.
Подробнее:
Название: Математика для анализа данных. Часть 2 (2020)
Математика для анализа данных от ФПМИ МФТИ
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.
Подробнее:
Скачать:
Чтобы увидеть это скрытое содержимое, вы должны поставить мне нравится в конце сообщения Мне нравится
Чтобы увидеть это скрытое содержимое, вы должны поставить мне нравится в конце сообщения Мне нравится
Похожие темы
- [Андрей Коптелов] Бизнес-анализ на основе BABOK (express) (2024)
- [Udemy] Курс «Мобильный хакинг и безопасность: Android и iOS» (2023)
- [Alex Erofeev] [Stepik] Python: самый короткий курс (2023)
- [Яндекс-Практикум] Python-разработчик. Часть 1 из 8 (2023)
- [Яндекс-практикум] Системный аналитик. Часть 8 из 8 (2023)
- [Ренат Шагабутдинов] [МИФ.Курсы] Магия Excel: Практикум. Новые функции Excel: тариф «Соло» (2023)
- [Павел Дуглас] Автоматизация для Криптанов (2023)
- [Максим Иванов] Мини-курс по Markdown (2023)
- [Areaweb] PHP Framework для блондинок (2023)
- [Кирилл Храпков] Проектирование БД в PostgreSQL: Нормализация, Индексы, Транзакции (2023)