99% довольных покупателей и 3 из них оценили курс выше чем 4 звезды
Вы экономите: 
Поторопитесь! Заканчивается через 
Нажмите «Купить» на странице курса.
Язык преподавания в курсе – русский. Вскоре будет доступна украинская версия этого курса.
Видеозаписи лекций без обратной связи и участия преподавателя. Вы получите доступ к материалам сразу после оплаты.
Что даст вам этот курс
Вы научитесь использовать математический анализ, линейную алгебру, теорию вероятности и статистику в различных задачах Data Science. Вы будете понимать устройство моделей, сможете их правильно выбирать, улучшать и адаптировать.
К концу курса вы уверенно овладеете математическим аппаратом и сможете сделать свои первые шаги в направлениях Анализа данных или Машинном обучении.
Для кого этот курс?
– Для тех, кто не сталкивался ни с высшей математикой, ни с анализом данных.
– Для обучения достаточно школьных знаний.
Когда в Data Science используют математику?
Во всех случаях, где фигурируют заманчивые гонорары и интересные задачи, математика — основное требование к специалистам. Именно умение применять эти знания на практике — тот экспресс, который позволит быстро перерасти джуниорские позиции и подняться на уровень Middle с средней зарплатой 190 тыс. рублей (согласно данным из открытых источников на май 2020).
Математический анализ необходим при калибровке модели: чтобы построить аппарат оптимизации, для максимизации правдоподобия или минимизации ошибок.
Линейная алгебра нужна в работе с многомерными пространствами, чтобы преобразовывать данные одним ходом, а не значение за значением.
Математическая статистика применяется для работы с моделями линейных регрессий. Она помогает правильно выбрать распределение и установить зависимость между переменными.
Необходимые знания
– Математика на уровне средней школы.
– Аналитический склад ума.
– Знакомство с высшей математикой будет плюсом, но необязательно.
Модуль 1 – Математический анализ
Тема 1. Введение
Тема 2. Теория пределов. Часть I
Тема 3. Теория пределов. Часть II
Тема 4. Непрерывность и дифференцируемость функции
Тема 5. Первая производная
Тема 6. Вторая производная
Тема 7. Оптимизация функции (одной переменной)
Тема 8. Теория рядов. Часть I
Тема 9. Теория рядов. Часть II
Тема 10. Формула Тейлора
Тема 11. Неопределенное интегрирование
Тема 12. Определенное интегрирование
Тема 13. Несобственные интегралы
Тема 14. Функции 2-х переменных
Линейная алгебра
Тема 15. Матрицы и элементарные операции
Тема 16. Однородные СЛАУ
Тема 17. Определитель
Тема 18. Обратная матрица
Тема 19. Неоднородные СЛАУ
Тема 20. Векторная алгебра
Тема 21. Диагонализация матрицы. Часть 1
Тема 22. Диагонализация матрицы. Часть 2
Тема 23. MidTerm
Модуль 3 – Теория вероятностей и Математическая статистика
Тема 24. Случайные события
Тема 25. Случайные величины
Тема 26. Основные законы распределения
Тема 27. Моделирование случайных величин
Тема 28. Точечные оценки и их свойства
Тема 29. Интервальные оценки. Выборочные характеристики
Тема 30. Проверка гипотез
Тема 31. Проверка гипотез при A/B-тестировании
Тема 32. Исследование зависимостей
Тема 33. Регрессии
Тема 34. Итоговое занятие
Юлия Подтвержденный клиент –
Для тех, кто хочет “войти” в Data Science, но боится математики, – это идеальный первый шаг. Дает всю необходимую базу и уверенность.
Ирина Подтвержденный клиент –
Наконец-то разобралась с производными и интегралами. Раньше это были просто страшные слова. Теперь есть понимание.
Екатерина Подтвержденный клиент –
Я гуманитарий, и математика всегда меня пугала. Этот курс объясняет все на примерах, и это оказалось не так страшно. Очень доступно.