Алан-э-Дейл
Алан-э-Дейл
Редактор
3 года с нами!
Награда за 5000 очков репутации
За 500 сообщений!
- Регистрация
- 25/03/2020
- Сообщения
- 11.750
- Репутация
- 7.616
Автор: МФТИ
Название: Математика для анализа данных. Часть 2 (2020)
![[МФТИ] Математика для анализа данных. Часть 2 (2020)](data:image/svg+xml;charset=utf-8,%3Csvg xmlns%3D'http%3A%2F%2Fwww.w3.org%2F2000%2Fsvg' width='1189' height='623' viewBox%3D'0 0 1189 623'%2F%3E "[МФТИ] 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:
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:
Авторизуйтесь, чтобы посмотреть скрытый контент.
Последнее редактирование модератором:
