[Михаил Миронов, Екатерина Минеева] Математика для Data Science (2021) [stepik academy]

Name: [Михаил Миронов, Екатерина Минеева] Математика для Data Science (2021) [stepik academy] | InfoShopik
Brand: Программирование и Администрирование
Price: 100 RUB
Availability: InStock

100 ₽

Добавлен: 5 декабря, 2021

Категория: Программирование и Администрирование Метка: Администрирование и программирование

Описание
Отзывы (0)

Описание

[Михаил Миронов, Екатерина Минеева] Математика для Data Science (2021) [stepik academy]

Разберитесь, как работают технологии машинного обучения, и научитесь пользоваться ими осознанно.

Математика для DS – программа из 3 курсов, которая поможет:

1. Разобраться в теории

Вы любите доходить до самой сути всего, что делаете. Вам интересно, что стоит за теми алгоритмами, которые вы применяете.

2. Подготовиться к собеседованию

Вы хотите работать в сфере Data Science и боитесь каверзных вопросов на собеседованиях? Не зря боитесь.

3. Читать научные статьи

Статьи по Data Science часто несложные по сути – но без определенной математической базы их сложно читать.

4. Полюбить математику

Мы любим математику и хотим показать вам, как она красива.

Содержание курса:

Блок 1 — Математический анализ

Модуль 1 — Одномерный математический анализ

Зачем в машинном обучении нужен математический анализ
Множества и функции
Пределы последовательностей
Пределы функций и непрерывные функции
Производные
Одномерный градиентный спуск

Модуль 2 — Многомерный математический анализ

R^n: расстояния и векторы
Дифференциал и частные производные
Производная по направлению и градиент
Градиентный спуск
Модификации градиентного спуска (Momentum, RMSProp, Adam)

Блок 2 — Линейная алгебра

Модуль 1 — Линейная алгебра

Векторные пространства и линейные отображения
Матрицы
Нейронные сети
Подпространства, базис, размерность
Ранг матрицы и метод Гаусса

Модуль 2 — Линейная алгебра продолжение

Определитель, обратные матрицы, замена базиса
Скалярное произведение, углы, расстояния
Ортогональные матрицы
Матричные разложения
Собственные векторы и SVD
Backpropagation

Блок 3 — Теория вероятностей

Модуль 1 — Дискретная теория вероятностей

Вероятностное пространство, события, исходы
Равновероятные исходы
Условная вероятность, независимые события, теорема Байеса
Перестановки и биномиальные коэффициенты
Дискретная случайная величина, распределение, математическое ожидание, дисперсия
Ряды и счётное пространство исходов

Модуль 2 — Непрерывная теория вероятностей

Интеграл и непрерывное пространство исходов.
Непрерывная случайная величина, распределение, плотность распределения, математическое ожидание, дисперсия
Закон больших чисел
Центральная предельная теорема
Основы статистики: статистические тесты

Автор курса: Михаил Миронов, Екатерина Минеева

Сайт продажника: https://stepik.mathfords.ru/

Цена с продажника: 13500 руб.

У нас Вы можете приобрести всего за 100 руб.