Цена: 395 РУБ
Организатор: Кожемяка
Список участников складчины:
  • 1. ПРОСТОМария
  • 2. solyankasol
  • 3. Vime
  • 4. gbgbgbz
  • 5. Ksen_V
  • 6. Koc731
  • 7. ник скрыт
  • 8. Simbysik
  • 9. KuzmichevE
  • 10. Apelsinka_
  • 11. liplik
Кожемяка
Кожемяка
Не Стучи Дважды
Организатор
  • #1

[Яндекс Практикум] Математика для анализа данных

Ссылка на картинку
Уверенное знание математики помогает аналитикам и специалистам по Data Science проходить собеседования, справляться с нетривиальными задачами и расти профессионально.

Наиболее востребованы теория вероятностей и статистика, линейная алгебра и математический анализ. Освойте один или несколько из этих разделов математики на нашем курсе.

Для кого этот курс:
1. Для начинающих аналитиков данных и специалистов по Data Science
2. Для выпускников и студентов курсов, посвящённых анализу данных
3. Для тех, кто готовится к математическим секциям собеседований в IT-компании

Что вы получите в Практикуме:
1. Математика человеческим языком
Идём от простого к сложному. Подробно разбираем каждое понятие. Даём много примеров и иллюстраций.
2. Более 1000 практических задач
Объясняем, как абстрактные формулы связаны с анализом данных. Вы не просто читаете теорию, вы сразу закрепляете навык.
3. Навыки для работы и собеседований
Сверяем учебный план с аналитиками и специалистами по Data Science. Учим только тому, что пригодится в работе.

Модуль 1 - Теория вероятностей и статистика
  • Дискретный и непрерывный случай:
    • смотрим на дискретных и непрерывных случайных величинах, сравниваем:
      • вероятность, событие, вероятностное пространство,
      • свойства вероятности,
      • матожидание,
      • дисперсия,
      • медиана, мода,
    • зависимые и независимые события, теорема Байеса,
    • равномерное распределение,
    • распределение Пуассона,
    • экспоненциальное распределение,
    • что такое нормальное распределение и откуда оно взялось,
    • свойства нормального распределения,
    • ЦПТ — применяем нормальное распределение
  • Работа с несколькими непрерывными случайными величинами:
    • арифметические операции и дисперсия,
    • совместное распределение,
    • зависимые величины,
    • условная вероятность,
    • сэплирование,
    • гистограммы.
  • Статистические тесты:
    • параметрические тесты,
    • доверительные интервалы,
    • логнормальное распределение, нелинейное преобразование данных,
    • непараметрические тесты,
    • АБ-тестирование,
    • множественная проверка гипотез, поправка Бонферони.
  • Максимизация правдоподобия:
    • понятие функции правдоподобия,
    • интерпретация и применение в машинном обучении,
    • подбор параметров при максимизации функции правдоподобия.
Модуль 2 - Линейная алгебра
  • Векторы:
    • векторы для описания объектов реального мира,
    • представление в геометрии в 2D, в 3D,
    • представление в Python,
    • операции над векторами,
    • линейная комбинация векторов,
    • линейная (не)зависимость:
      • определение,
      • геометрическая интерпретация,
      • алгоритмы проверки,
    • векторное пространство,
    • базис векторного пространства,
    • ортогональные векторы и базисы.
  • Нормы:
    • скалярное произведение и его геометрический смысл,
    • скалярное произведение в Python,
    • что такое норма,
    • L1, L2 нормы и их геометрическая интерпретация,
    • связь L2 нормы и скалярного произведения,
    • как считать нормы в Python,
    • L1, L2 и косинусное расстояния между векторами,
    • свойства косинусного расстояния,
    • применения косинусного расстояния для сравнения текстов.
  • Матрицы и их трансформации:
    • матрицы для описания объектов реального мира,
    • матрица в Python,
    • умножение матрицы на число,
    • сложение матриц,
    • умножение матрицы на вектор,
    • умножение матрицы и вектора как геометрическое преобразование вектора,
    • умножение матрицы как преобразование пространства, изменение размерности пространства при этом, например 2D и 3D,
    • умножение матрицы на матрицу и его геометрический смысл.
  • Обратная матрица и определитель:
    • что такое обратная матрица,
    • геометрический смысл обратной матрицы,
    • как найти обратную матрицу в Python,
    • вырожденная матрица,
    • определитель,
    • транспонирование матрицы,
    • упрощение матричных выражений.
Модуль 3 - Математический анализ
  • Функции и их графики:
    • функция и уравнение,
    • линейная и квадратичная функции,
    • монотонность,
    • кубическая, степенная функции,
    • отрицательная степень,
    • полиномы,
    • графики полиномов,
    • синус и косинус,
    • дробная степень
  • Экспонента, логарифм, обратные функции, производные:
    • показательная функция,
    • обратная функция,
    • логарифм,
    • производная как скорость,
    • анализ возрастания, убывания функции при помощи производной,
    • нахождение максимума и минимума функции аналитически,
    • производная произведения, частного и сложной функции
  • Предел, геометрическая прогрессия и интеграл:
    • предел, асимптоты,
    • производная как предел,
    • дифференцируемые, непрерывные функции,
    • разложение функции в ряд Тейлора (локальная аппроксимация функции при помощи полинома),
    • геометрическая прогрессия и знак суммирования,
    • интеграл.
  • Функция от нескольких переменных:
    • определение,
    • график в 3D,
    • частная производная,
    • максимизация, минимизация функции,
    • градиент, принципы градиентного спуска.
Модуль 4 - Продвинутая линейная алгебра
  • Регрессия:
    • постановка задачи,
    • явное решение с помощью обратной матрицы,
    • градиентный спуск.
  • Собственные числа:
    • вычисление руками,
    • характеристический многочлен,
    • геометрический смысл
      :)
  • PCA, SVD
    • SVD — алгоритм сжатия матрицы, изображения,
    • компоненты PCA выделают главные отличия между объектами,
    • PCA геометрический смысл компонент,
    • PCA как инструмент визуализации.
 
Зарегистрируйтесь , чтобы посмотреть скрытый авторский контент.
Похожие складчины
  • в разделе: Программирование
  • в разделе: Программирование
  • в разделе: Программирование

Войдите или зарегистрируйтесь, чтобы комментировать и скачивать складчины!

Учетная запись позволит вам участвовать в складчинах и оставлять комментарии

Регистрация

Создайте аккаунт на форуме. Это не сложно!

Вход

Вы уже зарегистрированы? Войдите.

Сверху