Курс Математика для Data Science. 3 часть. Методы оптимизации и алгоритмы анализа данных: программа курса, расписание, цены, отзывы учеников

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

Yolonce

IT и программирование

Data science

Математика для Data Science. 3 часть. Методы оптимизации и алгоритмы анализа данных

4.5

Оставьте отзыв

3 лекции

Сложность

Повышение квалификации

Длительность

40 ак. ч. + 20 ак. ч. самостоятельно

Формат

онлайн

Документ по выпуску

Пока неизвестно

Стоимость курса
32 350 ₽

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 вероятности и математическая статистика. Цель курса: основные разделы методов оптимизации и алгоритмов анализа данных, 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 методам оптимизации и алгоритмам анализа данных для старта в области Data Science.

Автор курса

Специалист

4.6

Оставьте отзыв

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. Методы оптимизации &nbsp(16&nbspак.&nbspч.)

Основные понятия, определения, предмет Непрерывность, гладкость и сходимость ЦФ. Дискретные ЦФ Условная и безусловная оптимизация Методы однокритериальной оптимизации Постановка задачи многокритериальной оптимизации Методы многокритериальной оптимизации Градиентный спуск Стохастические методы оптимизации

Модуль 2. Алгоритмы анализа данных &nbsp(16&nbspак.&nbspч.)

Алгоритм линейной регрессии. Градиентный спуск Масштабирование признаков. L1- и L2-регуляризация. Стохастический градиентный спуск Логистическая регрессия Алгоритм построения дерева решений. Случайный лес Градиентный бустинг Разбор алгоритма обратного распространения ошибки