Математика для Data Science

Для кого курс

• Для специалистов Data Science, которые нацелены на уровень senior

Вы научитесь:

• Программировать на Руthon и использовать этот язык для анализа и обработки данных
• Получать данные из разных источников: базы данных, файлы, интернет
• Работать с моделями и алгоритмами машинного обучения и решать на их основе практические задачи

Уже к середине курса вы сможете

• Разработать модель предсказания кредитного рейтинга
• Создать систему рекомендаций подходящих товаров при покупке
• Построить модель для увеличения продаж в розничном бизнесе
• Получите навыки уровня middle B Data Science

Программа курса

Часть 1 Линейная алгебра

• Изучаем вектора и виды матриц
• Учимся проводить операции над матрицами
• Определяем линейную зависимость с помощью матриц
• Изучаем обратные, вырожденные и невырожденные матрицы
• Изучаем системы линейных уравнений, собственные и комплексные числа
• Осваиваем матричное и сингулярное разложение
• Решаем задачи линейной зависимости с помощью матриц
• Оптимизируем с помощью метода главных компонент
• Закрепляем математические основы линейной регрессии

Часть 2 Основы матанализа

• Изучаем функции одной и многих переменных и производные
• Осваиваем понятие градиента и градиентного спуска
• Тренируемся в задачах оптимизации
• Изучаем метод множителей Лагранжа, метод Ньютона и имитацию отжига
• Решаем задачи предсказания и поиска выигрышной стратегии с помощью производных и численных методов оптимизации
• Закрепляем математические основы градиентного спуска и имитации отжига

Часть 3 Основы теории вероятности и статистики

• Изучаем общие понятия описательной и математической статистики
• Осваиваем комбинаторику
• Изучаем основные типы распределений и корреляции
• Разбираемся в теореме Байеса
• Изучаем наивный байесовский классификатор
• Решаем задачи комбинаторики, валидности и прогнозирования методами статистики и теорвера
• Закрепляем математические основы классификации и логистической регрессии

Часть 4 Временные ряды и прочие математические методы

• Знакомимся с анализом временных рядов
• Осваиваем более сложные типы регрессий
• Прогнозируем бюджет с помощью временных рядов
• Закрепляем математические основы классических моделей машинного обучения