Курс «Математика для Data Science»

Направление
Data Science
Формат
Видео в записи
Упражнения на платформе
Домашние задания
Есть
Итоговый экзамен
Нет
Количество уроков
4
Документ об обучении
Сертификат
Обратная связь
Есть
Доступ
Сразу после покупки
Последнее обновление 06.07.2022

О курсе

Изучите необходимую базу по математике и статистике для освоения машинного обучения и анализа данных. Для успешного прохождения курса потребуется умение работать в Python.

Программа курса

  1. Изучаем вектора и виды матриц
    Учимся проводить операции над матрицами
    Определяем линейную зависимость с помощью матриц
    Изучаем обратные, вырожденные и невырожденные матрицы
    Изучаем системы линейных уравнений, собственные и комплексные числа
    Осваиваем матричное и сингулярное разложение
    Решаем задачи линейной зависимости с помощью матриц
    Оптимизируем с помощью метода главных компонент
    Закрепляем математические основы линейной регрессии
  2. Изучаем функции одной и многих переменных и производные
    Осваиваем понятие градиента и градиентного спуска
    Тренируемся в задачах оптимизации
    Изучаем метод множителей Лагранжа, метод Ньютона и имитацию отжига
    Решаем задачи предсказания и поиска выигрышной стратегии с помощью производных и численных методов оптимизации
    Закрепляем математические основы градиентного спуска и имитации отжига
  3. Изучаем общие понятия описательной и математической статистики
    Осваиваем комбинаторику
    Изучаем основные типы распределений и корреляции
    Разбираемся в теореме Байеса
    Изучаем наивный байесовский классификатор
    Решаем задачи комбинаторики, валидности и прогнозирования методами статистики и теорвера
    Закрепляем математические основы классификации и логистической регрессии
  4. Знакомимся с анализом временных рядов
    Осваиваем более сложные типы регрессий
    Прогнозируем бюджет с помощью временных рядов
    Закрепляем математические основы классических моделей машинного обучения

Другие курсы по этой теме