Основы математики для Data Science

Вы освежите знания по математике, изучите базовые формулы и функции, разберётесь в основах машинного обучения

Основы математики для Data Science
Цена
40000
Кэшбэк до 8%
4 недели4 недели
Сертификат гос. образцаСертификат гос. образца
РусскийРусский
Skillbox
Купить с кэшбэком

Описание:

Кому подойдёт этот курс

  • Тем, кто интересуется Data Science. Вы узнаете математические основы Machine Learning, поймёте, для чего нужна математика в машинном обучении и сделаете первый шаг к карьере в Data Science.
  • Начинающим специалистам. Вы научитесь работать со сложными математическими функциями, узнаете больше об основах Machine Learning, сможете быстро решать задачи с помощью Python и повысите свой уровень.

Чему вы научитесь:

  • Понимать математические термины. Усвоите основную терминологию, сможете читать сложные статьи по Data Science и получать новые знания без постоянных обращений к поисковику.
  • Работать с формулами и функциями. Перестанете бояться переменных и функций и сможете с их помощью решать практические задачи.
  • Разбираться в основах машинного обучения. Изучите математические основы Machine Learning и узнаете роль чисел, формул и функций в разработке алгоритмов машинного обучения.
  • Описывать прикладные задачи на языке математики. Сможете сформулировать практическую задачу с помощью математических формул.
  • Автоматизировать решение задач. Узнаете, как использовать Python для решения сложных математических задач.


Программа курса:

  1. Базовые математические объекты и SymPy. Дроби и преобразования.
  2. Базовые математические объекты и SymPy. Функции и дополнительные объекты.
  3. Функции одной переменной, их свойства и графики.
  4. Интерполяция и полиномы: квадратичные и кубические функции.
  5. Аппроксимация и преобразования функций: сдвиги, растяжения, сжатия.
  6. Аппроксимация и работа с производными.
  7. Функции нескольких переменных, их свойства и графики.
  8. Частные производные функции нескольких переменных.
  9. Векторы и матрицы. Градиент.
  10. Линейная регрессия и системы линейных уравнений.
  11. Разложения матриц. Собственные векторы и значения.