Мы создали программу Математика для Data Science для тех, кто хочет разобраться, как работают технологии машинного обучения, и научиться пользоваться ими осознанно. Специализация состоит из 4 курсов, которые мы проходим за 4 месяца: Математический анализ Линейная алгебра Теория вероятностей Математическая статистика На этих курсах вы сможете понять алгоритмы машинного обучения, получить математическую базу для прохождения технически сложных курсов по Data Science, а также полюбить математику и подготовиться к собеседованию. Вся теория подается в текстовом виде в онлайн-курсе, который можно проходить, когда удобно, даже с телефона, а решение задач не составит проблем, так как на курсе есть автоматическая проверка в интерактивном тренажере . Даже если что то будет непонятно, вам всегда смогут помочь в нашем студенческом чате. Сейчас вы смотрите специализацию по тарифу "Перельман" (индивидуальное прохождение, доступ к чату). Возможно, вас заинтересуют другие режимы прохождения: - тариф "Коши" (одна еженедельная онлайн-встреча с преподавателем один на один, доступ к чату) - тариф "Фейнман" (две еженедельные онлайн-встречи с преподавателем один на один, больше задач на доказательство, доступ к чату) В этом курсе вам доступны первые 10 уроков. Начните с них, чтобы проверить, подходит ли вам наш подход. После оплаты курса вам станут доступны все учебные модули.

Data science

Автор курса

Stepik

4.6

Оставьте отзыв

Stepik — образовательная платформа и конструктор онлайн-курсов. Мы разрабатываем алгоритмы адаптивного обучения, сотрудничаем с авторами MOOC, помогаем в проведении олимпиад и программ переподготовки. Наша цель — сделать образование открытым и удобным. Stepik — широко известная российская образовательная платформа, основанная в 2013 году. На Stepik зарегистрировано более миллиона пользователей из России и стран СНГ. В настоящее время на Stepik представлены несколько тысяч учебных курсов на самые разные темы.

Программа курса

Часть первая. Математический анализ

- Объекты и целевая функция
- Функция потерь и данные в машинном обучении
- Модель машинного обучения
- Множества
- How-to по доказательствам и функции
- Знакомство с последовательностями и пределом
- Единственность предела и предел суммы
- Предел произведения и бесконечно малые последовательности
- Предел частного
- Материалы второй недели и фидбек
- Давайте знакомиться!
- О курсе
- Материалы первой недели и фидбек
- Пределы функций и непрерывные функции
- Производные: интуиция без доказательств
- Производные: формально с доказательствами
- Производные: вычисления без доказательств
- Исследование функций при помощи производных
- Материалы третьей недели и фидбек
- Одномерный градиентный спуск
- Задачи на одномерный градиентный спуск
- R^n: расстояния и векторы
- Дифференциал
- Частная производная
- Направление и градиент
- Материалы четвертой недели и фидбек
- Градиентный спуск
- Линейная регрессия и градиентный спуск
- Cтохастический градиентный спуск и English
- Градиентный спуск с моментом
- RMSprop
- Adam
- Работа в DS и ML и как жить дальше
- Материалы пятой недели и фидбек

Часть вторая. Линейная алгебра

- Векторные пространства и линейные отображения
- Матрицы
- Нейронные сети
- Подпространства, базис, размерность
- Ранг матрицы и метод Гаусса
- Определитель, обратные матрицы, замена базиса
- Скалярное произведение, углы, расстояния
- Ортогональные матрицы
- Матричные разложения
- Собственные векторы и SVD
- Backpropagation

Часть третья. Теория вероятностей

- Вероятностное пространство, события, исходы
- Равновероятные исходы
- Условная вероятность, независимые события, теорема Байеса
- Перестановки и биномиальные коэффициенты
- Дискретная случайная величина, распределение
- Математическое ожидание, дисперсия
- Ряды и счётное пространство исходов
- Интеграл и непрерывное пространство исходов.
- Непрерывная случайная величина, распределение
- Плотность распределения, математическое ожидание, дисперсия
- Закон больших чисел
- Центральная предельная теорема
- Основы статистики: статистические тесты

Часть четвертая. Математическая статистика

- Точечные оценки
- Несмещённые оценки
- Состоятельные оценки
- Метод максимума правдоподобия
- Интервальные оценки
- Закон больших чисел
- Центральная предельная теорема
- Статистические тесты – общий случай
- Уровень значимости, критическое множество, ошибки первого и втор
- z-критерий Фишера и t-критерий Стьюдента
- Критерий хи-квадрат
- Ранговые критерии

Избранные разделы высшей математики в контексте Data Science с упором на решение задач. Для сильных духом.