Розпродаж!

Математика для Data Science. Продвинутый — видеокурс

590 грн

 Ви економите: 900 грн (60%)
 Покваптеся! Закінчується через

Кожен модуль професійного курсу збалансований математичною теорією та практичними прикладами, які взяті з реальних кейсів. Ви будете розв'язувати задачу регресії, проводити АБ-тестування, працювати над рекомендаційною системою, використовувати метод опорних векторів.

Безпечні платежі

Захист персональних даних

100% унікальні матеріали

Гарантія найкращої ціни

Разом дешевше на 20% (кількість курсів змінюється галочками)

Математика для Data Science. Продвинутый - видеокурс + Курс Data Scientist + Курс Аналитик данных + Математика для Data Science. Базовый - видеокурс
Ціна за всі курси: 1,808 грн

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

Зазвичай математику у вишах викладають у відриві від реальних завдань, де вона надалі застосовуватиметься. Ми пішли іншим шляхом. Кожен модуль професійного курсу збалансований математичною теорією та практичними прикладами, які взяті з реальних кейсів. Ви будете розв'язувати задачу регресії, проводити АБ-тестування, працювати над рекомендаційною системою, використовувати метод опорних векторів.

Для кого цей курс?

Для вступу потрібно бути знайомим з основами математичного аналізу, лінійної алгебри та теорії ймовірності. Курс підійде всім, хто хоче розвиватися у сфері Data Science. Він допоможе вам освоїти весь необхідний математичний апарат для вирішення завдань на позиції Middle/Senior Data Scientist.

Навіщо вчити математику?

Професія Data Scientist стає однією з найперспективніших і найбільш затребуваних в IT. Середня зарплата фахівців Data Science в Росії вдвічі вища, ніж у фахівців інших IT-напрямків - 190 тис. руб. Основна складність професії - високі вимоги до знань вищої математики. Впевнене володіння математичним апаратом дає змогу підвищити рівень компетенцій і вирости в професійному плані.

Тривалість курсу: 132 академічні години

1 Лінійна алгебра

Вступ. Математика в DataScience.

Розуміння, що бути успішним Datascientist без знання математики, а головне без її розуміння, неможливо.

Вступ 2. Основні терміни та визначення математичного аналізу, лінійної алгебри та теорії ймовірностей

- Базові терміни матаналізу (межа, безперервність функції, диференціал)
- Базові терміни лінійної алгебри (вектор, матриця, її види, ранг, визначник)
- Базові терміни теорії ймовірності (визначення ймовірності, мат.очікування, дисперсія)
- Встановлення Python, надання рекомендацій щодо інтерпретатора
- Обчислення базових задач на Python за допомогою стандартних пакетів

Вступ 3. Теорія ймовірностей

Базові терміни теорії ймовірності (визначення ймовірності, мат.очікування, дисперсія)

Матриці. Основні поняття та операції

Ключові визначення, операція над матрицями, визначник, обернена матриця, обчислення власних значень і власних векторів, квадратичні форми .

Матричні розкладання

- Розкладання SVD і ALS
- Невід'ємні розкладання
- Заповнення пропусків у матрицях

Матричні похідні

- Матричні похідні
- Диференціальні рівняння в матрицях

Застосування лінійної алгебри в Data Science.

Класифікація даних з SVM і Logistic Regression

Застосування лінійної алгебри в Machine Learning.

Обробка зображень і лінійна алгебра

Математичний аналіз

Теорія множин

- Імовірнісні простори. Дискретний простір елементарних результатів

- Імовірність на числовій прямій і площині. Правило додавання та множення

Метричні простори

- Поняття метричного простору.
- Визначення нормованого простору, поняття норми, відмінність від метрики, приклади нормованих просторів.
- Норма в оптимізації

Теорія меж

- Визначення Коші.
- Визначення Піано.
- Обчислення меж функцій.
- Асимптотичні функції.
- Еквівалентні функції.
- Оцінка складності функції

Диференціювання

- Диференційованість функції в точці. Часткові похідні та диференціали вищих порядків
- Градієнт. Матриця Гессе

Оптимізація

- Екстремуми функцій багатьох змінних
- Визначення точок локального та глобального мінімуму. Необхідна й достатня умова екстремуму для опуклих функцій.
- Поняття стаціонарних точок і відмінність у їх визначенні від точок екстремуму

Метод найменших квадратів розібрати метод найменших квадратів.

Метод максимальної правдоподібності. Обговорити і зрозуміти ММП

Інтегрування

- Невизначений інтеграл.
- Визначений інтеграл
- Застосування визначеного інтеграла та наближені методи його обчислення.
- Невласні інтеграли. Подвійні інтеграли. Наближені методи інтегрування

Застосування Мат.аналізу в ML

- Лінійна регресія
- Логістична регресія

Теорія ймовірностей

Комбінаторика та Основи теорії ймовірностей

- Принцип Діріхле. Перестановки. Розміщення. Поєднання.
- Досвід і його результати. Простір елементарних подій. Імовірність події.
- Незалежність подій. Умовна ймовірність.
- Формули додавання та множення.
- Формули повної ймовірності та Байєса

Випадкові величини

- Випадкова величина
- Дискретні та безперервні випадкові величини
- Закон розподілу випадкової величини та способи його опису

Дискретні та безперервні розподіли

- Функція розподілу та її властивості
- Розподіл Бернуллі
- Біноміальний розподіл
- Моделювання на Python дискретний розподіл (для задачі МонтеКарло)

Безперервні випадкові величини

- Основні закони розподілу та їхній фізичний зміст: біноміальний, пуасонівський, експоненціальний, рівномірний, гауссовський
- Комп'ютерне моделювання різних розподілів

Теореми - Випадкові послідовності та збіжність

- Теорема Пуассона для схеми Бернуллі
- Закон великих чисел (Чебишева, Бернуллі, Хинчина)
- ЦПТ Локальна, ЦПТ Ліндеберга, ЦПТ Ляпунова
- Точкові оцінки та їхні властивості

Точкове та інтервальне оцінювання

- Асимптотична нормальність оцінок
- Довірчі інтервали. Принцип побудови довірчих інтервалів

Перевірка гіпотез

- Перевірка статистичних гіпотез. Формулювання гіпотез.
- Перевірка гіпотези про закон розподілу вибірки. Критерій згоди Пірсона.
- Перевірка гіпотези про незалежність двох номінальних ознак. Критерій хі-квадрат

Перевірка гіпотез. Частина 2

- Помилки I і II роду, рівень значущості.
- Статистичний критерій. Побудова довірчої та критичної областей. P-value
- Перевірка гіпотези про ймовірність успіху в схемі Бернуллі. Біноміальний критерій

Види залежностей

- Види залежностей випадкових величин: функціональна, причинно-наслідкова, статистична, кореляційна. Відмінності та зв'язок між ними.
- Умовні розподіли

Регресії - Лінійні, багатовимірні, логістичні регресії

- МНК, ММП, ММ

Метод головних компонент

- Визначення головних компонент, їх обчислення
- Зниження розмірності та добір ознак
- Застосування в задачах регресійного аналізу

Моделювання випадкових величин

- Random Walks, практичні методи
- Імовірнісний класифікатор: Logistic
- Регресія, Random Forest, градієнтний бустинг
- Імовірнісні Нейронні Мережі

Моделювання випадкових величин.Частина 2

- Random Walks, практичні методи
- Імовірнісний класифікатор: Logistic
- Регресія, Random Forest, градієнтний бустинг
- Імовірнісні Нейронні Мережі

Чи потрібна реєстрація?

Ні, реєстрація не обов'язкова. Просто заповніть усі поля під час оформлення замовлення і ваш акаунт створиться автоматично. Дані, які ви ввели на сторінці оплати (пошта, пароль), потім можна використовувати для входу на сайт.

Як оплатити обраний курс?

Наш сайт приймає оплату за допомогою платіжної системи Way For Pay. Усі операції на нашому сайті безпечні і проходять з використанням шифрованого SSL з'єднання. Ми не збираємо і не зберігаємо ваші платіжні дані. Платіжна система повністю гарантує безпеку платежів.

Наразі доступні такі способи оплати:

  • Банківська картка (будь-яка)
  • Приват24
  • G pay
  • Apple pay
  • Каса Visa
  • Masterpass
  • Мгновенная рассрочка и оплата частями для владельцев карт ПриватБанку
  • Розстрочка для власників карток Monobank, Ощадбанк, Райффайзен, А-Банк, ОТР Банк, Глобус Банк, Sportbank

 

1. На странице курса нажмите «Купить»
2. Затем в открывшейся вкладке нажмите «Оформление заказа»
3. На странице оформления заполните все поля и нажмите «Купить»
4 Автоматично відкриється сторінка платіжної системи.
5. Виберіть спосіб оплати.
6. Введіть дані та дотримуйтесь інструкцій платіжної системи.
7. Після успішної оплати ви будете автоматично направлені на сторінку, де зможете отримати доступ до курсу. Так само вам буде надіслано лист із посиланням на курс.

Якщо жоден з перерахованих способів оплати вам не підходить, напишіть нам: info@siluette.com.ua або скористайтеся чатом у правому нижньому кутку сторінки нашого сайту. Ми обов'язково допоможемо.

Як отримати оплачені матеріали?

Для того, чтобы получить материалы — просто заполните все поля при оформлении заказа (включая поле — Создать пароль учетной записи).

Після оплати - система автоматично направить вас в особистий кабінет у розділ ①"Завантаження". Тут буде список ваших оплачених матеріалів і посилання на скачування②.

Або натисніть у правому верхньому кутку сайту пункт Мій акаунт, введіть пошту і пароль, який ви придумали, коли оформляли замовлення. У розділі Завантаження є посилання на скачування.

Скільки часу будуть доступні матеріали?

Ссылка на ваш курс будет доступна в течении 90 дней со дня оплаты. За это время вы должны скачать все материалы на свое устройство. После окончания этого срока ссылки могут стать неактивными. Это связано с нововведениями компаний, предоставляющих услуги облачного хранилища. Если вы не успели скачать купленные курсы, напишите нам на почту — info@siluette.com.ua

Відгуки

Відгуків немає, поки що.

Будьте першим, хто залишив відгук “Математика для Data Science. Продвинутый — видеокурс”“

Ваша e-mail адреса не оприлюднюватиметься. Обов’язкові поля позначені *