99% задоволених покупців і 3 з них оцінили курс вище ніж 4 зірки
Ви економите: 
Покваптеся! Закінчується через 
10 заказов за последние 7 дней.
Натисніть «Купити» на сторінці курсу.Мова викладання в курсі – російська. Незабаром буде доступна українська версія цього курсу.
Відеозаписи лекцій без зворотного зв’язку та участі викладача. Ви отримаєте доступ до матеріалів одразу після оплати.
Що дасть вам цей курс
Ви навчитеся використовувати математичний аналіз, лінійну алгебру, теорію ймовірності та статистику в різних завданнях Data Science. Ви розумітимете будову моделей, зможете їх правильно обирати, покращувати та адаптувати.
До кінця курсу ви впевнено опануєте математичний апарат і зможете зробити свої перші кроки в напрямках Аналізу даних або Машинному навчанні.
Для кого цей курс?
– Для тих, хто не стикався ні з вищою математикою, ні з аналізом даних.
– Для навчання достатньо шкільних знань.
Коли в Data Science використовують математику?
У всіх випадках, де фігурують привабливі гонорари і цікаві завдання, математика – основна вимога до фахівців. Саме вміння застосовувати ці знання на практиці – той експрес, який дасть змогу швидко перерости джуніорські позиції та піднятися на рівень Middle із середньою зарплатою 190 тис. рублів (згідно з даними з відкритих джерел на травень 2020).
Математичний аналіз необхідний під час калібрування моделі: щоб побудувати апарат оптимізації, для максимізації правдоподібності або мінімізації помилок.
Лінійна алгебра потрібна в роботі з багатовимірними просторами, щоб перетворювати дані одним ходом, а не значення за значенням.
Математична статистика застосовується для роботи з моделями лінійних регресій. Вона допомагає правильно вибрати розподіл і встановити залежність між змінними.
Необхідні знання
– Математика на рівні середньої школи.
– Аналітичний склад розуму.
– Знайомство з вищою математикою буде плюсом, але необов’язково.
Модуль 1 – Математичний аналіз
Тема 1. Вступ
Тема 2. Теорія меж. Частина I
Тема 3. Теорія меж. Частина II
Тема 4. Безперервність і диференційованість функції
Тема 5. Перша похідна
Тема 6. Друга похідна
Тема 7. Оптимізація функції (однієї змінної)
Тема 8. Теорія рядів. Частина I
Тема 9. Теорія рядів. Частина II
Тема 10. Формула Тейлора
Тема 11. Невизначене інтегрування
Тема 12. Певне інтегрування
Тема 13. Невласні інтеграли
Тема 14. Функції 2-х змінних
Лінійна алгебра
Тема 15. Матриці та елементарні операції
Тема 16. Однорідні СЛАУ
Тема 17. Визначник
Тема 18. Зворотна матриця
Тема 19. Неоднорідні СЛАУ
Тема 20. Векторна алгебра
Тема 21. Діагоналізація матриці. Частина 1
Тема 22. Діагоналізація матриці. Частина 2
Тема 23. MidTerm
Модуль 3 – Теорія ймовірностей і Математична статистика
Тема 24. Випадкові події
Тема 25. Випадкові величини
Тема 26. Основні закони розподілу
Тема 27. Моделювання випадкових величин
Тема 28. Точкові оцінки та їхні властивості
Тема 29. Інтервальні оцінки. Вибіркові характеристики
Тема 30. Перевірка гіпотез
Тема 31. Перевірка гіпотез при A/B-тестуванні
Тема 32. Дослідження залежностей
Тема 33. Регресії
Тема 34. Підсумкове заняття
Катерина Підтверджений клієнт –
Я гуманітарій, і математика завжди мене лякала. Цей курс пояснює все на прикладах, і це виявилося не так страшно. Дуже доступно.
Ірина Підтверджений клієнт –
Нарешті розібралася з похідними і інтегралами. Раніше це були просто страшні слова. Тепер є розуміння.
Юлія Підтверджений клієнт –
Для тих, хто хоче “увійти” в Data Science, але боїться математики, – це ідеальний перший крок. Дає всю необхідну базу і впевненість.