Мы используем файлы cookie для обеспечения работоспособности сервиса, улучшения навигации и маркетинговых активностей Yolonce. Нажимая "Согласен", вы соглашаетесь с нашей Политикой конфиденциальности

Математика для Data Science. 2 часть. Теория вероятностей и математическая статистика

  Сложность

Повышение квалификации

  Длительность

40 ак. ч. + 20 ак. ч. самостоятельно

  Формат

онлайн

  Документ по выпуску

Пока неизвестно

Стоимость курса
29 650

Подробнее о курсе

Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Для успешной работы в этой области необходимы знания разделов высшей математики, таких как теория вероятностей и математическая статистика. Цель курса: освоить основные разделы теории вероятностей и математической статистики, необходимые для успешного применения в области Data Science. Курс рекомендован начинающим специалистам в области Data Science. По окончании курса Вы сможете использовать полученные знания по теории вероятностей и математической статистики для старта в данной сфере.

Автор курса

Ведущий компьютерный учебный центр России с высочайшим уровнем качества обучения, сервиса и организации учебного процесса Лучший учебный центр авторизованный Microsoft в России, Центральной и Восточной Европе в 2011-2014 гг Центр «Специалист» — первый в России авторизованный учебный центр по обучению Adobe — Adobe Authorised Training Centre Крупнейший авторизованный учебный центр ведущих IT-компаний мира С 2012 г. Центр «Специалист» входит в «Круг совершенства EC-Council»

Программа курса

  Модуль 1. Основные понятия теории вероятностей. Примеры &nbsp(4&nbspак.&nbspч.)

  Модуль 2. Случайные события. Условная вероятность. Формула Байеса. Независимые испытания &nbsp(4&nbspак.&nbspч.)

  Модуль 3. Дискретные случайные величины. Закон распределения вероятностей. Биномиальный закон распределения. Распределение Пуассона &nbsp(4&nbspак.&nbspч.)

  Модуль 4. Описательная статистика. Качественные и количественные характеристики популяции. Графическое представление данных &nbsp(4&nbspак.&nbspч.)

  Модуль 5. Непрерывные случайные величины. Функция распределения и плотность распределения вероятностей. Равномерное и нормальное распределение. Центральная предельная теорема &nbsp(4&nbspак.&nbspч.)

  Модуль 6. Проверка статистических гипотез. P-значения. Доверительные интервалы. &nbsp(4&nbspак.&nbspч.)

  Модуль 7. Взаимосвязь величин. Параметрические и непараметрические показатели корреляции. Корреляционный анализ. &nbsp(4&nbspак.&nbspч.)

  Модуль 8. Многомерный статистический анализ. Линейная регрессия &nbsp(4&nbspак.&nbspч.)

  Модуль 9. Дисперсионный анализ. Логистическая регрессия &nbsp(4&nbspак.&nbspч.)

  Модуль 10. Применение изученных разделов теории вероятности и математической статистики на общем примере (Jupiter notebook). Проект. &nbsp(4&nbspак.&nbspч.)

Что вы получите

использовать полученные знания по теории вероятностей и математической статистики для старта в Data Science.

Оставьте отзыв

Напишите ваш коментарий, не менее 30 символов

Нажимая кнопку, вы даете согласие на обработку персональных данных

обновлено: 24.11.2024

Похожие курсы

Основы хранилищ данных

Основы хранилищ данных

Библиотеки Python для Data Science

Библиотеки Python для Data Science

Data Science для руководителей

Data Science для руководителей

Data Science с Глебом Михайловым

Data Science с Глебом Михайловым

Data Science для руководителей

Data Science для руководителей

Математика для Data Science. Специализация. Тариф «Перельман»

Математика для Data Science. Специализация. Тариф «Перельман»

Big Data и Data Science: перейди на новый уровень

Big Data и Data Science: перейди на новый уровень

Stepik
 онлайн
 26-28 часов6 недель по 4-5 часов
  Перейти к курсу
Big Data и Data Science: перейди на новый уровень

Big Data и Data Science: перейди на новый уровень

Stepik
 онлайн
 26-28 часов6 недель по 4-5 часов
  Перейти к курсу

Оставьте заявку

Наши консультанты ответят на все вопросы
И помогут в выборе

Комментарий ...

Нажимая кнопку, вы даете согласие на обработку персональных данных