Курс з математики для Data Science
₴ 11 124
|
Вивчіть необхідну базу з математики та статистики для освоєння машинного навчання
Для успішного проходження курсу потрібно вміння працювати в Python
Переваги курсу
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
- 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 - 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 - 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 - 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
Відгуків поки немає