Описание

Курс познакомит вас со всей математикой, нужной для изучения анализа данных.

Кому подойдёт этот курс:
1. 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.

2. 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:
1. Поймете математические термины.
Усвоите основную терминологию, сможете читать сложные статьи по Data Science и получать новые знания без постоянных обращений к поисковику.

2. Разберётесь в математических основах машинного обучения.
Изучите математические основы Machine Learning и узнаете роль чисел, формул и функций в разработке алгоритмов машинного обучения.

3. 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.

Содержание:
Базовая математика для Data Science

• 01. Начала теории множеств
• 02. Геометрическая прогрессия. Векторная алгебра
• 03. Теория вероятностей. Рациональные уравнения
• 04. Рациональные уравнения. Алгебраические уравнения
• 05. Иррациональные уравнения. Графический способ решения систем
• 06. Неравенства
• 07. Неравенства продолжение
• 08. Функции график и свойства
• 09. Графики функций и их преобразования
• 10. Производная, исследование функций
• 11. Исследование функций. Интреграл
• 12. Контрольная работа

Математика для Data Science 2.0
Модуль 1. – Математический анализ

• О курсе
• Введение в модуль
• Теория множеств
• Числовые последовательности
• Пределы числовых функций. Асимптотическое сравнение функций
• Вебинар по решению задач домашней работы
• Непрерывность функции
• Дифференциальное исчисление
• Дифференцируемость функций многих переменных. Поиск экстремумов
• Применения формулы Тейлора
• Определенный интеграл
• Несобственный интеграл
• Интеграл Лебега
• Числовые и функциональные ряды
• Функции многих переменных
• Нахождение наибольшего и наименьшего значений функций на отрезке

Модуль 2. Комбинаторика

• Основные формулы комбинаторики
• Принцип Дирихле
• Перестановки, размещения и сочетания с повторениями
• Консультация по комбинаторике и теории вероятностей

Модуль 3. Теория вероятностей

• Основные понятия, классическая модель вероятности
• Непрерывные случайные величины
• Численные характеристики случайных величин
• Основные законы распределения случайных величин
• Моделирование случайных величин с заданным распределением
• Основные теоремы теории вероятностей
• Основные понятия матстатистики. Точечные оценки и их свойства
• Методы построения оценок неизвестных параметров
• Проверка статистических гипотез

Модуль 4. Алгебра

• Матрицы и операции над ними
• Определитель квадратной матрицы
• Обратная матрица
• Однородные и неоднородные системы уравнений
• Линейная зависимость и ранг
• Комплексные числа
• Линейные отображения
• Собственные векторы линейного отображения
• Скалярное произведение в линейном пространстве
• Отображения в евклидовом пространстве
• Билинейные и квадратичные формы

Модуль 5. Онлайн-сессии

• Word2vec
• Градиентный спуск
• Backpropagation
• Случайный лес
• Классификация наблюдений логистическая и пробит регрессии
• Метод ближайших соседей (KNN)
• Классификация наблюдений байесовский классификатор