Математика для Data Science - 15 Марта 2022 - Информационно

Главная » » Математика для Data Science

16:10

Математика для Data Science

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

Математика для DS - программа из 3-х 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:

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

Тариф «Перельман»

Название: Математика для Data Science
Год: 2021
Автор: Михаил Миронов, Екатерина Минеева
Издательство: Издательские решения
Жанр: программирование, разработка, компьютерная литература
Количество страниц: 122
Формат: PDF + PNG
Язык: Русский
Размер: 50.07 Mb

Скачать Математика для Data Science