Щоб побачити у великих обсягах даних закономірності, аналітик спирається на лінійну алгебру, математичний аналіз і теорію ймовірності. Якщо фахівець не розбирається в цих напрямках-гіпотези і висновки будуть неточними. Це як запустити ракету в космос, не знаючи траєкторію польоту.
Ми створили вступний курс в математику, щоб ви почали досліджувати дані з важливим бекграундом для Data Science і вибирали алгоритми, які будуть вирішувати поставлене завдання.
Без математики і статистики неможливо використовувати алгоритми машинного навчання, а значить — правильно управляти даними.
кому підійде курс
1. Фахівцям з Data Science
Почнете глибше розбиратися в алгоритмах машинного навчання. Зрозумієте, які принципи лежать в основі різних алгоритмів, щоб вибирати правильні інструменти.
2.Аналітикам даних
Познайомитеся з основними математичними концепціями і закладіть теоретичний фундамент, щоб краще розбиратися в статистиці і правильно інтерпретувати дані.
після навчання, ви зможете:
- перевіряти вектори на лінійну залежність.
- Розв'язувати системи лінійних рівнянь у матричній формі.
- обчислювати власні вектори і числа для матриці.
- виробляти матричні розкладання.
- обчислювати похідну функції декількох аргументів.
- використовувати різні методи оптимізації для пошуку локального мінімуму функції.
- обчислювати математичне очікування і дисперсію дискретної випадкової величини.
- використовувати формулу Байєса для обчислення апостеріорної ймовірності.
- використовувати закон великих чисел для оцінки математичного очікування.
https://privatelink.de/?https://netology.ru/programs/mathematics-for-data-science#/resume