Математика для DS-програма з 3 курсів, яка допоможе:
- розібратися в теорії. Ви любите доходити до самої суті всього, що робите. Вам цікаво, що стоїть за алгоритмами, які ви застосовуєте.
- підготуватися до співбесіди. Ви хочете працювати в сфері Data Science і боїтеся каверзних питань на співбесідах? Не дарма боїтеся.
- читати наукові статті. Статті з Data Science часто нескладні по суті-але без певної математичної бази їх складно читати.
- полюбити математику. Ми любимо математику і хочемо показати вам, наскільки вона красива.
Блок 1-Математичний аналіз
Модуль 1-одновимірний математичний аналіз
Модуль 1-Лінійна алгебра
Модуль 1-Дискретна Теорія ймовірностей
Модуль 1-одновимірний математичний аналіз
- навіщо в машинному навчанні потрібен математичний аналіз
- множини та функції
- межі послідовностей
- межі функцій і безперервні функції
- похідні
- одновимірний градієнтний спуск
- R^n: відстані та вектори
- диференціал та часткові похідні
- похідна за напрямком і градієнт
- градієнтний спуск
- модифікації градієнтного спуску (Momentum, Rmsprop, Adam)
Модуль 1-Лінійна алгебра
- Векторні простори та лінійні відображення
- матриці
- нейронні мережі
- підпростори, базис, розмірність
- ранг матриці та метод Гауса
- визначник, Зворотні матриці, Заміна базису
- скалярний добуток, кути, відстані
- ортогональні матриці
- матричні розкладання
- власні вектори та SVD
- Backpropagation
Модуль 1-Дискретна Теорія ймовірностей
- імовірнісний простір, події, результати
- рівноймовірні результати
- умовна ймовірність, незалежні події, теорема Байєса
- Перестановки та біноміальні коефіцієнти
- Дискретна випадкова величина, розподіл, математичне сподівання, дисперсія
- ряди і рахунковий простір результатів
- Інтеграл і безперервний простір результатів.
- безперервна випадкова величина, розподіл, щільність розподілу, математичне сподівання, дисперсія
- Закон великих чисел
- Центральна гранична теорема
- основи статистики: статистичні тести
https://privatelink.de/?https://academy.stepik.org/math-for-data-science