Математика для Data Science. 3 часть. Методы оптимизации и алгоритмы анализа данных
Повышение квалификации
40 ак. ч. + 20 ак. ч. самостоятельно
онлайн
Пока неизвестно
32 350 ₽
Подробнее о курсе
Автор курса
Программа курса
Модуль 1. Методы оптимизации  (16 ак. ч.)
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  (16 ак. ч.)
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
Модуль 3. Итоговая работа  (8 ак. ч.)
Применение изученных разделов методов оптимизации и алгоритмов анализа данных на общем примере (Jupiter notebook). Проект.
Что вы получите
использовать полученные знания по методам оптимизации и алгоритмам анализа данных для старта в области Data Science.
Оставьте отзыв
Оставьте заявку
Наши консультанты ответят на все вопросы
И помогут в выборе
Нажимая кнопку, вы даете согласие на обработку персональных данных