Курс з математики для Data Science

 11 124

Додати до порівняння
Безвідсоткова розстрочка на 12 місяців
Формат навчання домашнє завдання, онлайн трансляції, постійний доступ до матеріалів
Рівень підготовки cпеціаліст, практик, середній
Варіанти оплати оплата частинами, повна оплата
Підтвердження сертифікат
Школа SkillFactory
Працевлаштування допомога у працевлаштуванні

Вивчіть необхідну базу з математики та статистики для освоєння машинного навчання

Для успішного проходження курсу потрібно вміння працювати в Python

Додайте відгук про цей курс

Переваги курсу

Ми розповідаємо про математику та статистику зрозуміло і дохідливо. Наша мета – не зробити з вас генія фундаментальної математики, а закласти фундамент для вашого зростання в Data Science. З рештою ви розберетеся самі, наше завдання – допомогти вам втягнутися.

Курс містить багато практики, яка не обмежується рішенням класичних рівнянь і абстрактних завдань. Ми показуємо, як знання математики і статистики працює в рішенні реальних життєвих завдань в галузі аналізу даних, прогнозування та оптимізації.

Ми розглядаємо застосування математичних і статистичних закономірностей в машинному навчанні і нейронних мережах, щоб ви в надалі могли працювати не тільки з типовими моделями і архітектурою.

У нас є не тільки спільнота однодумців, з якими ви можете обговорити труднощі і поділитися наболілим, але і підтримка ментора, який допоможе вийти з глухого кута. Ви не залишитеся з курсом один на один.

Програма курсу

  1. Лінійна алгебра
    Вивчаємо вектора і види матриць
    Вчимося проводити операції над матрицями
    Визначаємо лінійну залежність за допомогою матриць
    Вивчаємо зворотні, вироджені і невироджені матриці
    Вивчаємо системи лінійних рівнянь, власні та комплексні числа
    Освоюємо матричне і сингулярне розкладання
    Вирішуємо завдання лінійної залежності за допомогою матриць
    оптимізуємо за допомогою методу головних компонент. Закріплюємо математичні основи лінійної регресії
  2. Основи матаналізу
    Вивчаємо функції однієї і багатьох змінних і похідні
    Освоюємо поняття градієнта і градієнтного спуску. Тренуємося в задачах оптимізації
    Вивчаємо метод множників Лагранжа, метод Ньютона і імітацію відпалу
    Вирішуємо завдання передбачення і пошуку виграшної стратегії за допомогою похідних і чисельних методів оптимізації.
    Закріплюємо математичні основи градиентного спуску і імітації відпалу
  3. Основи теорії ймовірності та статистики
    Вивчаємо загальні поняття описової та математичної статистики
    Освоюємо комбінаторики
    Вивчаємо основні типи розподілів і кореляції
    Розбираємося в теоремі Байеса
    Вивчаємо наївний байесовский класифікатор
    Вирішуємо завдання комбінаторики, валідності та прогнозування методами статистики і теорвера
    Закріплюємо математичні основи класифікації і логістичної регресії
  4. Тимчасові ряди і інші математичні методи
    Знайомимося з аналізом часових рядів
    Освоюємо більш складні типи регрессий
    Прогнозуємо бюджет за допомогою часових рядів
    Закріплюємо математичні основи класичних моделей машинного навчання

 

Відгуки

0.0 з 5
0
0
0
0
0
Написати відгук

Відгуків поки немає

Оціни першим “Курс з математики для Data Science”

Ваша e-mail адреса не оприлюднюватиметься. Обов’язкові поля позначені *

Курс з математики для Data Science
Курс з математики для Data Science
Enable registration in settings - general
Курси до порівняння
  • Total (0)
Порівняти
0
Loading...