Что нового

Скачать курсы бесплатно. Слив базы курсов. Все курсы online

Присоединяйтесь к нам! У нас тысячи отборного премиум курсов на любой вкус! Все платные курсы - БЕСПЛАТНО!

Новинки каждый день

Мы добавляем по 1.000 новых курсов ежедневно.

Обсуждение

Общайся с единомышленниками по интересующим тебя материалам

Гибкие тарифы

Мы гибки в ценообразовании. Тарифы на месяц и на год!

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

admin

Administrator
Команда форума
Регистрация
13.03.2019
Сообщения
29 806
Реакции
1 047
Баллы
113

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:

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














 
shape1
shape2
shape3
shape4
shape7
shape8
Верх