- Регистрация
- 24.09.2021
- Сообщения
- 38 362
Кому подойдет этот курс Новичкам в IT Курс поможет освоить востребованную профессию Data Scientist, прокачать мышление для дальнейшего изучения анализа данных и computer science. Для его освоения достаточно школьных знаний математики. Соискателям Курс охватывает программу поступления в школу анализа данных Яндекса и те темы, что спрашивают на собеседования на позицию по анализу данных. Вы сможете получить обратную связь от преподавателей МГУ с многолетним опытом обучения студентов. Чему вы научитесь на курсе Поймете математические термины Усвоите основную терминологию, сможете читать сложные статьи по Data Science и получать новые знания без постоянных обращений к поисковику. Разбетесь в математических основах машинного обучения Изучите математические основы Machine Learning и узнаете роль чисел, формул и функций в разработке алгоритмов машинного обучения. Расширите свое сознание Математика прокачивает мозг и развивает абстрактное мышление. В курсе много задач разного уровня сложности, что позволит вам набить руку и быть готовым к любым вопросам «на засыпку» на собеседовании. Продолжение описания Программа курса Программа разработана для полноценного освоения математических основ data science. На связи с вами будет преподаватель для проверки задания и передачи обратной связи, будет доступен общий чат курса. Модуль 1. Математический анализ Пределы. Функции. Дифференцируемость. Первая производная, вторая производная. Ряды. Формула Тейлора. Неопределенный интеграл. Определенный интеграл. Несобственный интеграл. Функции многих переменных. Модуль 2. Линейная алгебра Алгебра комплексных чисел. Матрицы и определители. Геометрия векторных пространств. Системы линейных уравнений. Линейные преобразования и их структура. Билинейные и квадратичные формы, евклидовы пространства. Тензоры, нормы. Модуль 3. Комбинаторика Основные правила комбинаторики. Множества. Сочетания. Модуль 4. Теория вероятностей и математическая статистика Случайные события, случайные величины. Математическое ожидание, дисперсия, корреляция. Основные законы распределения. Моделирование случайных величин. Точечные оценки и их свойства. Интервальные оценки. Выборочные характеристики. Проверка гипотез. Проверка гипотез при A/B-тестировании. Исследование зависимостей. Регрессии. Преподаватели курса Леонид Крицков Кандидат физико-математических наук, доцент факультета ВМК МГУ. Автор задачника "Алгебра и аналитическая геометрия: теоремы и задачи",используемого в преподавании на факультете ВМК МГУ. Имеет опыт преподавания линейной алгебры студентам более 25 лет. Является автором более 80 научных публикаций. Татьяна Захарова Кандидат физико-математических наук, доцент факультета ВМК МГУ. Имеет опыт преподавания теории вероятностей и математической статистики студентам более 28 лет. Является автором более 70 научных публикаций, в том числе связанных с обработкой больших объемов данных. Вводный урок 
|
