Узнайте о снижении цены

Оставьте ваш email и мы напишем вам когда цена снизится

Математика для Data Science

Вы получите знания по математике, которые помогут подняться на уровень специалиста Middle+ в Data Science.
50 000 ₽
стоимость обучения
% Беспроцентная рассрочка на мес.
Добавить в избранное
Узнать о снижении цены
Уровень сложности
для новичков
Длительность
6 мес.
Демо доступ
нет
Формат обучения
онлайн
Домашние задания
да
Обратная связь
да, от преподавателя
Помощь в трудоустройстве
да
Документ по окончании
сертификат

Программа обучения

  • Основное
  • Содержание программы

Для начала обучения достаточно школьных знаний. Учат математическому анализу, линейной алгебре, теории вероятности и статистике для решения задач анализа данных и машинного обучения. К концу курса вы освоите математический аппарат, который необходим для уровня Middle+ специалиста в Data Science. В конце делаете выпускной проект на основе реальных кейсов.

Чтобы записаться на курс, необходимо пройти вступительное тестирование.

Модуль 1. Линейная алгебра
  • Тема 1. Введение 1. Математика в DataScience
  • Тема 2. Введение 2. Матанализ/Линейная алгебра
  • Тема 3. Матрицы. Основные понятия и операции
  • Тема 4. Однородные СЛАУ
  • Тема 5. Определитель
  • Тема 6. Диагонализация матрицы
  • Тема 7. Диагонализация матрицы
  • Тема 8. Матричные разложения
  • Тема 9. Применение линейной алгебры в Data Science
  • Тема 10. Матричные производные
Модуль 2. Математический анализ
  • Тема 11. Теория пределов. Часть 1
  • Тема 12. Теория пределов. Часть 2
  • Тема 13. Непрерывность и Дифференцируемость
  • Тема 14. Дифференцирование
  • Тема 15. Функции 2-х переменных
  • Тема 16. Оптимизация
  • Тема 17. МНК и ММП
  • Тема 18. Теория Рядов
  • Тема 19. Формула Тейлора
  • Тема 20. Неопределенное интегрирование
  • Тема 21. Определенное интегрирование
  • Тема 22. Несобственные интегралы
  • Тема 23. Применение Мат.анализа в ML
  • Тема 24. Теория Множеств и Метрические пространства
Модуль 3. Математическая статистика
  • Тема 25. Случайные события. Вероятность
  • Тема 26. Случайные величины
  • Тема 27. Моделирование случайных величин
  • Тема 28. Моделирование случайных величин II
  • Тема 29. Пуассоновский поток событий. Моделирование системы массового обслуживания
  • Тема 30. Задача оценивания. Метод максимального правдоподобия
  • Тема 31. Выборочные характеристики. Доверительные интервалы
  • Тема 32. Проверка гипотез
  • Тема 33. Проверка гипотез в А/В тестировании
  • Тема 34. Проверка гипотезы о законе распределения
  • Тема 35. Дисперсионный анализ (ANOVA)
  • Тема 36. Виды зависимостей. Шкалы измерения признаков
  • Тема 37. Исследование зависимостей: Номинальные признаки
  • Тема 38. Исследование зависимостей: Порядковые и количественные признаки
  • Тема 39. Линейная регрессия
  • Тема 40. Снижение размерности: Метод главных компонент
  • Тема 41. Снижение размерности: Факторный анализ
  • Тема 42. Кластерный анализ
  • Тема 43. Классификация наблюдений: логистическая и пробит регрессии, метод ближайших соседей (KNN)
  • Тема 44. Классификация наблюдений: байесовский классификатор
Модуль 4. Проектная работа
  • Тема 45. Выбор темы и организация проектной работы
  • Тема 46. Консультация по проектам и домашним заданиям
  • Тема 47. Защита проектных работ

Чему научат

Использовать математический анализ, линейную алгебру, теорию вероятности и статистику для задач анализа данных и машинного обучения
Выбирать, улучшать и адаптировать разные модели и методы анализа
Владеть математическим аппаратом, который необходим, чтобы подняться на уровень специалиста Middle+ в Data Science

Преимущества курса

Сертификат о прохождении курса
Полный комплект обучающих материалов: видеозаписи всех вебинаров, презентации к занятиям, исходные коды программ навсегда
Приглашение пройти собеседование в компаниях-партнерах для самых успешных студентов

Отзывы пользователей

Оставить отзыв о курсе

    Оставьте отзыв о курсе

    Ваш адрес e-mail не будет опуликован
    Ваша оценка:
    Ваш отзыв:
    Достоинства:
    Недостатки:
    Имя:
    Email: