Подпишитесь на телеграмм-канал про ИИ в образовании: Егошин | Кеды профессора
Сложность
Сложность
Начинающий
Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
Записанные лекции
Трудоустройство
Трудоустройство
Отсутствует

Стоимость курса

22 000 ₽
нет рассрочки
Друзья, добрый день! Это курс для продажи, здесь еще нет теории и задач. Если вы его оплатили, то вас обязательно добавят в курс для учебы в день старта (указана на нашем сайте). А пока что вам доступны первые 10 уроков курса, начните с них!
Если этого не случилось или если вы присоединились позже основного запуска, напишите, пожалуйста, нам на почту math.for.ds.stepik.academy@gmail.com и попросите вас добавить.
Мы создали программу Математика для Data Science для тех, кто хочет разобраться, как работают технологии машинного обучения, и научиться пользоваться ими осознанно.
Вам будет полезна эта программа, если:
 вы хотите разобраться в теории стоящей за теми алгоритмами машинного обучения, которые вы применяете
 вы хотите понимать, какая магия происходит в научных статьях по Data Science (по сути несложная, но для нее нужна определенная математическая база)
 вы хотите работать в сфере Data Science и боитесь каверзных теоретических вопросов на собеседованиях. Не зря боитесь :)
 вы просто очень любите учиться и математику. Понимаем – мы тоже любим!

Что вы получите после обучения

Приобретаемые навыки
1
Data Science
2
Математика для Data Science

Вас будут обучать

Закончил бакалавриат и магистратуру математического факультета ВШЭ. Получил PhD по математике в университете Northeastern в Бостоне. Занимаюсь машинным обучением, аналитикой и алгоритмами на графах, в частности графовыми нейронными сетями
Закончил бакалавриат и магистратуру математического факультета ВШЭ. Получил PhD по математике в университете Northeastern в Бостоне. Занимаюсь машинным обучением, аналитикой и алгоритмами на графах, в частности графовыми нейронными сетями
НИУ ВШЭ, Москва, Факультет Компьютерных наук. Веду семинары на ФКН, разрабатывала синтез речи для sova.ai, сейчас занимаюсь комбинаторной оптимизацией для бизнеса
НИУ ВШЭ, Москва, Факультет Компьютерных наук. Веду семинары на ФКН, разрабатывала синтез речи для sova.ai, сейчас занимаюсь комбинаторной оптимизацией для бизнеса

Образовательная организация

Stepik — образовательная платформа и конструктор
онлайн-курсов. Мы разрабатываем алгоритмы адаптивного обучения, сотрудничаем с авторами MOOC, помогаем
в проведении олимпиад и программ переподготовки.
Наша цель — сделать образование открытым и удобным.

Помогаем учиться, а также создавать свои курсы и обучать


Первые учебные материалы были размещены на платформе в 2013 году. Сегодня среди охваченных курсами тем: программирование, информатика, математика, статистика
и анализ данных, биология и биоинформатика, инженерно-технические и естественные науки. Онлайн-курсы, размещенные на Stepik, неоднократно становились призерами конкурсов онлайн-курсов, а система автоматизированной проверки задач используется в ряде курсов на платформах Coursera и edX. Также Stepik активно развивает направление адаптивного обучения, где каждый сможет изучать материал, подобранный индивидуально под свой уровень знаний.

 

Stepik является также площадкой для проведения конкурсов и олимпиад — среди мероприятий — отборочный этап Олимпиады НТИ, онлайн-этап акции Тотальный диктант, международная олимпиада по биоинформатике.

 

Stepik — многофункциональная и гибкая платформа для создания образовательных материалов. Вы можете создавать онлайн курсы, интерактивные уроки с видео и различными типами заданий для учащихся, приватные курсы для ограниченной аудитории, проводить олимпиады и конкурсы, запускать программы профессиональной переподготовки и повышения квалификации, а также обучать своих сотрудников и клиентов.

Программа курса

Часть первая. Математический анализ

  1. Давайте знакомиться!
  2. О курсе
  3. Объекты и целевая функция
  4. Функция потерь и данные в машинном обучении
  5. Модель машинного обучения
  6. Множества
  7. How-to по доказательствам и функции
  8. Материалы первой недели и фидбек
  9. Знакомство с последовательностями и пределом
  10. Единственность предела и предел суммы
  11. Предел произведения и бесконечно малые последовательности
  12. Предел частного
  13. Материалы второй недели и фидбек
  14. Пределы функций и непрерывные функции
  15. Производные: интуиция без доказательств
  16. Производные: формально с доказательствами
  17. Производные: вычисления без доказательств
  18. Исследование функций при помощи производных
  19. Материалы третьей недели и фидбек
  20. Одномерный градиентный спуск
  21. Задачи на одномерный градиентный спуск
  22. R^n: расстояния и векторы
  23. Дифференциал
  24. Частная производная
  25. Направление и градиент
  26. Материалы четвертой недели и фидбек
  27. Градиентный спуск
  28. Линейная регрессия и градиентный спуск
  29. Cтохастический градиентный спуск и English
  30. Градиентный спуск с моментом
  31. RMSprop
  32. Adam
  33. Работа в DS и ML и как жить дальше
  34. Материалы пятой недели и фидбек

Часть вторая. Линейная алгебра

  1. Векторные пространства и линейные отображения
  2. Матрицы
  3. Нейронные сети
  4. Подпространства, базис, размерность
  5. Ранг матрицы и метод Гаусса
  6. Определитель, обратные матрицы, замена базиса
  7. Скалярное произведение, углы, расстояния
  8. Ортогональные матрицы
  9. Матричные разложения
  10. Собственные векторы и SVD
  11. Backpropagation

Часть третья. Теория вероятности

  1. Вероятностное пространство, события, исходы
  2. Равновероятные исходы
  3. Условная вероятность, независимые события, теорема Байеса
  4. Перестановки и биномиальные коэффициенты
  5. Дискретная случайная величина, распределение
  6. Математическое ожидание, дисперсия
  7. Ряды и счётное пространство исходов
  8. Интеграл и непрерывное пространство исходов.
  9. Непрерывная случайная величина, распределение
  10. Плотность распределения, математическое ожидание, дисперсия
  11. Закон больших чисел
  12. Центральная предельная теорема
  13. Основы статистики: статистические тесты

Рейтинг курса

4.1
рейтинг
0
0
0
0
0

Может быть интересно

Введение в науку о данных
Введение в науку о данных
1 800 ₽
обновлено 08.12.2024 09:35
Математика для Data Science. Специализация. Тариф «Перельман»

Математика для Data Science. Специализация. Тариф «Перельман»

Оставить отзыв
Поделиться курсом с друзьями