Apple Watch
Редактор
- Регистрация
- 01.01.22
- Сообщения
- 9.406
Другие курсы от автора:
[Николай Никитенко] Подборка гипнотических сеансов
[Николай Зимич] Пробуждение голоса. Пакет VIP (2020)
[Татьяна Румянцева] Дом мечты (2021)
[Алексей Левандовский] Ци Мень Фен Шуй (2019)
[Андрей Манов] Большой курс по биохакингу для всех (2020)
[Андрей Манов] Биохакинг для фриланса (2020)
[Udemy] Data Science и Machine Learning на Python 3 с нуля (2022)
[Николай Зимич] Пробуждение голоса. Пакет VIP (2020)
[Татьяна Румянцева] Дом мечты (2021)
[Алексей Левандовский] Ци Мень Фен Шуй (2019)
[Андрей Манов] Большой курс по биохакингу для всех (2020)
[Андрей Манов] Биохакинг для фриланса (2020)
[Udemy] Data Science и Machine Learning на Python 3 с нуля (2022)
Автор: МФТИ
Название: Математика для анализа данных. Часть 1 (2020)
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 1 (2020)
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:
Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.
Последнее редактирование модератором:
