Скидки на курсы ждут в личном кабинете. Нажмите тут
Есть рассрочка Поддержка куратора Демо-доступ Домашние задания

Математика для анализа данных

скидка Хочу промокод
30 000 ₽  за курс
Математика для анализа данных
Формат
Онлайн
Длительность
4 месяца
Уровень
Для новичков
Документ
Сертификат
Трудоустройство
Нет
Программа

Программа будет интересна начинающим аналитикам и специалистам по Data Science. Вы пройдёте операции над векторами, основы тригонометрии, функции, производные и интегралы. Также вы изучите модели линейной регрессии, дискретные случайные величины и методы статистической проверки гипотез.

Обучение состоит из 6 тематических блоков и проходит в течение 4 месяцев. В финале вы пройдёте симулятор математической части собеседования на тренажёре курса.

  • Бесплатный вводный урок

    • Тема 1. Связь математики и современных инструментов анализа данных
    • Тема 2. Примеры задач с собеседований
  • Линейная алгебра

    • Тема 1. Векторы
      Операции над векторами
      Векторное пространство
      Линейная независимость
      Базис
    • Тема 2. Нормы
      Основы тригонометрии
      Скалярное произведение векторов
      Нормы вектора
      Связь L2 нормы и скалярного произведения
      Расстояния между векторами
    • Тема 3. Матрицы
      Арифметические операции над матрицами и их свойства
      Умножение матрицы на вектор
      Матричное перемножение
    • Тема 4. Обратная матрица и определитель
      Обратная матрица - Вырожденная матрица - Определитель, его применение и смысл - Упрощение матричных выражении
  • Математический анализ

    • Тема 1. Функции
      Определение функции и графика функции
      Линейная функция
      Полиномиальная функция
      Описание данных с помощью функций
      Показательная функция
      Логарифм
      Обратная функция
      Модуль
      Композиция функции
    • Тема 2. Производные и интегралы
      Предел
      Производная
      Правила нахождения производных
      Экстремумы функции
      Свойства функций: монотонность, выпуклость
      Интеграл
    • Тема 3. Функции нескольких переменных
      Функция нескольких переменных
      Визуализация функции двух переменных
      Частная производная
      Градиент функции
      Экстремумы функции нескольких переменных
      Градиентный спуск
  • Приложения линейной алгебры в анализе данных

    • Тема 1. Линейная регрессия
      Определение модели линейной регрессии
      Нахождение параметров линейной регрессии как решение СЛУ
      Функция ошибки и её минимизация
      Аналитическое решение для параметров регрессии
      Коллинеарность в данных, регуляризация
      Градиентный спуск для нахождения параметров линейной регрессии
    • Тема 2. Сингулярное разложение, PCA, визуализация данных большой размерности
      Собственные значения и векторы матрицы
      Геометрическое представление собственных векторов
      Матрица ковариации
      Сингулярные векторы, cингулярное разложение SVD
      Применения сингулярного разложения, PCA
  • Теория вероятностей и статистика

    • Тема 1. Дискретные случайные величины
      Исход, событие, вероятность
      Дискретные случайные величины и их свойства
      Дискретные распределения
      Совместное распределение и ковариация
      Условная вероятность, теорема Байеса
      Сэмплирование, базовая визуализация данных
      Основные описательные статистики
    • Тема 2. Непрерывные случайные величины
      Непрерывные случайные величины
      Нормальное распределение и ЦПТ
      Совместное распределение, связь величин, корреляция
      Условная вероятность и теорема Байеса для непрерывных величин
      Гистограммы и описательные статистики для непрерывных величин
    • Тема 3. Статистическая оценка параметров
      Вероятность и правдоподобие
      Оценка параметров распределения
      Метод максимального правдоподобия
      Поиск параметров линейной регрессии с вероятностной точки зрения
    • Тема 4. Статистические эксперименты и проверка гипотез
      Вероятностное принятие решений
      Доверительные интервалы
      A/B тестирование
      Параметрические тесты
      Размер выборки, его связь с ошибкой
    • Тема 5. Методы статистической проверки гипотез
      Непараметрические тесты
      Бутстрэп
      Нелинейное преобразование данных
      Множественная проверка гипотез
  • Симуляция математической секции собеседования

    Пройдёте симулятор математической секции собеседования на позицию аналитика или специалиста по Data Science в нашем тренажёре.

Чему научат на курсе
А/B-тесты, стат. тесты, доверительный интервал, p-value
Линейная регрессия и сингулярное разложение
Градиентный спуск и другие алгоритмы обучения нейросетей
Косинусное расстояние между текстами
О школе
Яндекс Практикум
рейтинг 4.5
40 отзывов
79 курсов
Яндекс Практикум

Платформа онлайн-курсов «Яндекс Практикум» — проект компании «Яндекс» и «Школы анализа данных». На момент основания в 2019 году образовательные программы были рассчитаны только на начинающих веб-разработчиков и аналитиков, но сейчас в школе готовят сотрудников для IT и digital-сферы.

В каталоге Яндекс Практикума сегодня более 50 программ для начинающих и опытных специалистов.

Оставить отзыв
Оставьте свой отзыв
Так вы сделаете рейтинг школ более точным и поможете другим выбрать хороший курс
Отзывы пользователей
0
Оценка:
Норм
Купил курс "Математика для анализа данных". Все очень круто. Подача материала нравится. Тренажер супер. Хотелось бы поменьше числодробильных упражнений "для калькулятора".
Достоинства
Подача материала, тренажер
Недостатки
заминки на старте
Источник: otzovik.com

    Информация носит ознакомительный характер и может отличаться от указанной на сайтах школ-партнёров. Актуальную стоимость и описание программ вы можете узнать на сайте школы.