Скачать 

Школа Данных Введение в Data Science [Александр Крот, Сергей Марин]

Цена: 180 РУБ
Организатор: ОНО
Список участников складчины:
  • 1. Nailya
ОНО
ОНО
Организатор
  • #1

Школа Данных Введение в Data Science [Александр Крот, Сергей Марин]

Ссылка на картинку
Основы Python, математики и статистики для подготовки к профессии Data Scientist и основному курсу Школы Данных. Если Вы хотите изучать машинное обучение и анализ данных, но у Вас не хватает знаний Python и математики, то Вам на этот курс. Мы разберем все, что Вам необходимо знать, чтобы проходить обучение профессии Data Scientist: линейную алгебру, методы оптимизации, статистику и Python
Количество занятий: 6 занятий
Формат обучения: онлайн
Преподаватели: Сергей Марин и Александр Крот


ПРОГРАММА КУРСА :

1 занятие - Оптимизация
  • Задачи нелинейного программирования (одномерный и многомерный случай)
  • Задачи с ограничениями-неравествами
  • Критерий оптимальности: теорема Куна-Таккера
  • Различные формы задач линейного программирования
  • Численные методы оптимизация
2 занятие - Теорвер + Матстатистика
  • Понятие события и вероятности
  • Элементы комбинаторики
  • Основные теоремы в теории вероятности
  • Формула Байеса
  • Случайные величины и их характеристики
  • Предельные теоремы
  • Выборочные распределения
  • Интервальные оценки
  • Статистическая проверка гипотез
3 занятие - Линейная Алгебра
  • Множества и операции над ними
  • Матрицы и операции над ними (линейные, умножение, транспонирование)
  • Элементарные преобразования матриц (метод Гаусса)
  • Определители и их свойства
  • Получение обратной матрицы
  • Системы линейных алгебраических уравнений
  • Методы разложения матриц
4 занятие - Python
  • Настройка среды: установка Anaconda
  • Обзор Jupyter Notebook
  • Обзор стандартной библиотеки
  • Типа обьектов и работа с ними
  • Операторы, условные конструкции и циклы
  • Работа с последовательностями, таблицами
  • Алгоритмическая сложность
  • Основные структуры данных
  • Основные алгоритмы Computer Science
  • Библиотеки для анализа данных: numpy, scipy, pandas, scikit-learn, matplotlib, seaborn
5 занятие - Social Network Analysis
  • Введение в анализ графов
  • Основные понятия теории графов
  • Алгоритмы обхода графов
  • Продвинутые алгоритмы на графах
  • Выделение лидеров мнений в сетях
  • Обзор инструментов для работы с графами - библиотека networkx
6 занятие - Работа с текстовыми данными
  • Обзор современных задач обработки естесственного языка
  • Обзор подходов к анализу текстов
  • Работа с текстовыми данными в Python
  • Извлечение сущностей из текста (Named Entity Recognition)
  • Классификация текстов, определение (Sentiment Analysis)
 
Зарегистрируйтесь , чтобы посмотреть скрытый авторский контент.
Похожие складчины
  • 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