[OTUS] Математика для Data Science. Продвинутый курс [Петр Лукьянченко]
Программа позволит освоить математический аппарат, необходимый для продуктивной работы в Data Science.
Продолжительность: 5 месяцев
Обычно математику в вузах преподают в отрыве от реальных задач, где она в дальнейшем будет применяться. Мы пошли по другому пути. Каждый модуль профессионального курса сбалансирован математической теорией и практическими примерами, которые взяты из реальных кейсов. Вы будете решать задачу регрессии, проводить АБ-тестирование, работать над рекомендательной системой, использовать метод опорных векторов.
Для кого этот курс?
Для поступления нужно быть знакомым с основами математического анализа, линейной алгебры и теории вероятности. Курс подойдет всем, кто хочет развиваться в сфере Data Science. Он поможет вам освоить весь необходимый математический аппарат для решения задач на позиции Middle/Senior Data Scientist.
Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.
Обучение математике на реальных кейсах Много практики и живого общения с преподавателями Полный набор знаний для успешной работы в Data Science
Программа позволит освоить математический аппарат, необходимый для продуктивной работы в Data Science.
Продолжительность: 5 месяцев
Обычно математику в вузах преподают в отрыве от реальных задач, где она в дальнейшем будет применяться. Мы пошли по другому пути. Каждый модуль профессионального курса сбалансирован математической теорией и практическими примерами, которые взяты из реальных кейсов. Вы будете решать задачу регрессии, проводить АБ-тестирование, работать над рекомендательной системой, использовать метод опорных векторов.
Для кого этот курс?
Для поступления нужно быть знакомым с основами математического анализа, линейной алгебры и теории вероятности. Курс подойдет всем, кто хочет развиваться в сфере Data Science. Он поможет вам освоить весь необходимый математический аппарат для решения задач на позиции Middle/Senior Data Scientist.
Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.
Обучение математике на реальных кейсах Много практики и живого общения с преподавателями Полный набор знаний для успешной работы в Data Science
https://otus.ru/lessons/math-for-ds/1 Линейная алгебра
- Математика в Data Science
- Основные термины и определения математического анализа, линейной алгебры и теории вероятностей
- Матрицы.Основные понятия и операции
- Геометрическая интерпретация в линейной алгебре
- Матричные разложения
- Матричные производные
- Применение линейной алгебры в Data Science.
- Применение линейной алгебры в Machine Learning
- MidTerm
- Теория множеств
- Метрические пространства
- Теория пределов
- Дифференцирование
- Оптимизация
- Минимизация и Максимизация в Регрессиях
- Интегрирование
- Поиск экстремумов вML
- MidTerm
- Основы теории графов и комбинаторика
- Дискретные случайные величины
- Непрерывные случайные величины
- Теоремы
- Точечное и интервальное оценивание
- Регресии
- Метод главных компонент
- Моделирование случайных величин
- Моделирование случайных величин
- MidTerm
- Вводное занятие по проекту
- АБ-тестирование в теории и на практике
- Коллаборативная функция
- Консультации по проекту
- Защита проекта