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.

Stepik — широко известная российская образовательная платформа, основанная в 2013 году. На Stepik зарегистрировано более миллиона пользователей из России и стран СНГ. В настоящее время на Stepik представлены несколько тысяч учебных курсов на самые разные темы.

Платформа Stepik включает в себя конструктор бесплатных занятий и уроков. Создать интерактивный обучающий курс может любой зарегистрированный пользователь. При этом авторы обучающих материалов сохраняют авторские права. Сервис не имеет ограничений по числу обучающихся на курсе.

Stepik имеет обширные возможности по созданию онлайн-курсов, обучающих занятий и уроков с использованием текстов, видео, картинок, тестовых задач, в процессе выполнения которых можно вести обсуждения с остальными обучающимися, а также с преподавателем. Всего в Stepik присутствует 20 типов заданий, проверка которых может осуществляться как в автоматическом, так и в ручном режиме.

Большим преимуществом данной платформы является возможность встраивать созданные материалы на сторонние сайты, например, Moodle и Canvas.

Кроме того, Stepik может использоваться в качестве площадки для проведения разнообразных мероприятий, таких как олимпиады и конкурсы.

Интерфейс платформы полностью русскоязычный, достаточно дружественный и интуитивно понятный. Платформа полностью бесплатна.

За каждый пройденный курс в Stepik обучающийся получает сертификат о прохождении. Получение сертификата также бесплатно.

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 25.03.2024 09:36
 Математика для Data Science. Специализация. Тариф «Перельман»

Математика для Data Science. Специализация. Тариф «Перельман»

Оставить отзыв
Поделиться курсом с друзьями