Математика для Data Science. Продвинутый курс

Онлайн-курс по Математика для Data Science. Продвинутый курс от онлайн-школы OTUS. После прохождения курса, у лучших студентов, появится возможность устроиться на работу в компанию-партнер онлайн-школы Отус. Программа обучения на курсах включается в себя углубленное изучение материалов уровня middle и senior.

Программа курса

Линейная алгебра

• Введение 1. Математика вDataScience
• Занятие «Введение 2. Теория Вероятностей»
• Введение 3. Матанализ/Линейная алгебра
• Матрицы. Основные понятия и операции
• Матричные разложения
• Матричные производные
• Применение линейной алгебры в Data Science
• Применение линейной алгебры в Machine Learning

Математический анализ

• Теория множеств
• Метрические пространства
• Теория пределов
• Дифференцирование
• Оптимизация
• Метод наименьших квадратов
• Метод максимального правдоподобия
• Интегрирование
• Применение Мат.анализа в ML
• MidTerm

Математическая статистика

• Случайные события. Вероятность
• Случайные величины
• Моделирование случайных величин
• Моделирование случайных величин II
• Пуассоновский поток событий. Моделирование системы массового обслуживания
• Задача оценивания. Метод максимального правдоподобия
• Выборочные характеристики. Доверительные интервалы
• Проверка гипотез
• Проверка гипотез в А/В тестировании
• Проверка гипотезы о законе распределения
• Дисперсионный анализ (ANOVA)
• Виды зависимостей. Шкалы измерения признаков
• Исследование зависимостей: Номинальные признаки
• Исследование зависимостей: Порядковые и количественные признаки
• Линейная регрессия
• Снижение размерности: Метод главных компонент
• Снижение размерности: Факторный анализ
• Кластерный анализ
• Классификация наблюдений: логистическая и пробит регрессии, метод ближайших соседей (KNN)
• Классификация наблюдений: байесовский классификатор

Проектная работа

• Выбор темы и организация проектной работы
• Консультация по проектам и домашним заданиям
• Защита проектных работ