Специалист Математика для Data Science. 2 часть. Теория вероятностей и математическая статистика
О курсе
Подробнее
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.
Результат
Что вы получите
- использовать полученные знания по теории вероятностей и математической статистики для старта в Data Science.
Содержание
10 занятийПрограмма курса
№ТемаЧто внутри
01Модуль 1. Основные понятия теории вероятностей. Примеры (4 ак. ч.)
Подробности будут доступны на странице курса
02Модуль 2. Случайные события. Условная вероятность. Формула Байеса. Независимые испытания (4 ак. ч.)
Подробности будут доступны на странице курса
03Модуль 3. Дискретные случайные величины. Закон распределения вероятностей. Биномиальный закон распределения. Распределение Пуассона (4 ак. ч.)
Подробности будут доступны на странице курса
04Модуль 4. Описательная статистика. Качественные и количественные характеристики популяции. Графическое представление данных (4 ак. ч.)
Подробности будут доступны на странице курса
05Модуль 5. Непрерывные случайные величины. Функция распределения и плотность распределения вероятностей. Равномерное и нормальное распределение. Центральная предельная теорема (4 ак. ч.)
Подробности будут доступны на странице курса
06Модуль 6. Проверка статистических гипотез. P-значения. Доверительные интервалы. (4 ак. ч.)
Подробности будут доступны на странице курса
07Модуль 7. Взаимосвязь величин. Параметрические и непараметрические показатели корреляции. Корреляционный анализ. (4 ак. ч.)
Подробности будут доступны на странице курса
08Модуль 8. Многомерный статистический анализ. Линейная регрессия (4 ак. ч.)
Подробности будут доступны на странице курса
09Модуль 9. Дисперсионный анализ. Логистическая регрессия (4 ак. ч.)
Подробности будут доступны на странице курса
10Модуль 10. Применение изученных разделов теории вероятности и математической статистики на общем примере (Jupiter notebook). Проект. (4 ак. ч.)
Подробности будут доступны на странице курса
01Модуль 1. Основные понятия теории вероятностей. Примеры (4 ак. ч.)
02Модуль 2. Случайные события. Условная вероятность. Формула Байеса. Независимые испытания (4 ак. ч.)
03Модуль 3. Дискретные случайные величины. Закон распределения вероятностей. Биномиальный закон распределения. Распределение Пуассона (4 ак. ч.)
04Модуль 4. Описательная статистика. Качественные и количественные характеристики популяции. Графическое представление данных (4 ак. ч.)
05Модуль 5. Непрерывные случайные величины. Функция распределения и плотность распределения вероятностей. Равномерное и нормальное распределение. Центральная предельная теорема (4 ак. ч.)
06Модуль 6. Проверка статистических гипотез. P-значения. Доверительные интервалы. (4 ак. ч.)
07Модуль 7. Взаимосвязь величин. Параметрические и непараметрические показатели корреляции. Корреляционный анализ. (4 ак. ч.)
08Модуль 8. Многомерный статистический анализ. Линейная регрессия (4 ак. ч.)
09Модуль 9. Дисперсионный анализ. Логистическая регрессия (4 ак. ч.)
10Модуль 10. Применение изученных разделов теории вероятности и математической статистики на общем примере (Jupiter notebook). Проект. (4 ак. ч.)
Организатор
Автор курса
Мнения учеников
Отзывы о курсе
Оставьте отзыв
Расскажите о качестве обучения, поддержке и результате. Это поможет другим выбрать организацию осознанно.
Оставьте заявку
Консультант ответит на вопросы о курсе «Математика для Data Science. 2 часть. Теория вероятностей и математическая статистика» и поможет разобраться в деталях обучения.
Нажимая кнопку, вы даете согласие на обработку персональных данных
Направления:Data science
Информация обновлена 27 июля 2026 г.
Продолжить выбор
Похожие курсы
Начать без затрат
