Математика для Data Science от Otus
Программа курса
Ознакомьтесь с программой курса «Математика для Data Science» от Otus
Модуль 1. Линейная алгебра
-
Тема 1. Введение 1. Математика в DataScience
-
Тема 2. Введение 2. Линейная алгебра
-
Тема 3. Матрицы. Основные понятия и операции
-
Тема 4. Однородные СЛАУ
-
Тема 5. Определитель
-
Тема 6. Диагонализация матрицы. Часть 1
-
Тема 7. Диагонализация матрицы. Часть 2
-
Тема 8. Матричные разложения. Часть 1
-
Тема 9. Матричные разложения. Часть 2
-
Тема 10. Применение линейной алгебры в Data Science
Модуль 2. Математический анализ
-
Тема 11. Теория пределов
-
Тема 12. Тензоры. Введение
-
Тема 13. Дифференцирование
-
Тема 14. Матричное дифференцирование
-
Тема 15. Математический анализ в ML
-
Тема 16. Теория Рядов
-
Тема 17. Неопределенное интегрирование
-
Тема 18. Определённое и несобственное интегрирование
-
Тема 19. Оптимизация. Часть 1
-
Тема 20. Оптимизация. Часть 2
-
Тема 21. Алгоритмы численной оптимизации
-
Тема 22. Оптимизация в классических алгоритмах машинного обучения
-
Тема 23. Преобразование Фурье
-
Тема 24. Временные ряды
-
Тема 25. Теория Множеств и Метрические пространства
Модуль 3. Математическая статистика
-
Тема 26. Случайные события. Вероятность
-
Тема 27. Случайные величины
-
Тема 28. Основные законы распределения
-
Тема 29. Моделирование случайных величин
-
Тема 30. Пуассоновский поток событий. Моделирование системы массового обслуживания
-
Тема 31. Задача оценивания. Метод максимального правдоподобия
-
Тема 32. Выборочные характеристики. Доверительные интервалы
-
Тема 33. Проверка гипотез
-
Тема 34. Проверка гипотез в А/В тестировании
-
Тема 35. Проверка гипотезы о законе распределения
-
Тема 36. Дисперсионный анализ (ANOVA)
-
Тема 37. Корреляция данных
-
Тема 38. Виды зависимостей. Шкалы измерения признаков
-
Тема 39. Исследование зависимостей: Номинальные признаки
-
Тема 40. Исследование зависимостей: Порядковые и количественные признаки
-
Тема 41. Линейная регрессия
-
Тема 42. Снижение размерности: Метод главных компонент
-
Тема 43. Снижение размерности: Факторный анализ
-
Тема 44. Кластерный анализ
-
Тема 45. Классификация наблюдений: логистическая и пробит регрессии, метод ближайших соседей (KNN)
-
Тема 46. Классификация наблюдений: байесовский классификатор
Модуль 4. Проектная работа
-
Тема 47. Выбор темы и организация проектной работы
-
Тема 48. Консультация по проектам и домашним заданиям
-
Тема 49. Защита проектных работ
-
Тема 50. Итоговое занятие
- Город
- Онлайн
- Формат обучения
- Онлайн
- Сертификат
- Есть
Преподаватели-эксперты. Педагоги делятся актуальными знаниями и реальными кейсами, востребованными в современной IT-индустрии.
Уровень подготовки неважен. В онлайн-школе предусмотрены программы 3-х уровней сложности для начинающих и профи.
Удобный интерфейс. Сайт школы построен таким образом, что любой сможет с лёгкостью в нём разобраться.
Обратная связь. Кураторы и педагоги 24/7 помогают справляться студентам с возникающими сложностями.
Высокая стоимость курсов. Хорошее и качественное образование не может стоить дёшево.
Навязанные рекламные рассылки. Спам от онлайн-школы иногда вызывает лёгкое неудобство.
Взгляните, что студенты и выпускники говорят про Otus