- Регистрация
- 26.05.2022
- Сообщения
- 26 711
- Реакции
- 180
- Баллы
- 63
Математика для Data Science 1 часть. Математический анализ и линейная алгебра
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT.
Для успешной работы в этой области необходимы знания разделов высшей математики, таких как математический анализ и линейная алгебра.
Цель курса: освоить основные разделы математического анализа и линейной алгебры, необходимые для успешного применения в области Data Science.
Курс рекомендован начинающим специалистам в области Data Science. По окончании курса Вы сможете использовать полученные знания по математическому анализу и линейной алгебры для старта в данной сфере.
Вы научитесь
использовать полученные знания по математическому анализу и линейной алгебры для
Специалисты, обладающие этими знаниями и навыками, в настоящее время крайне востребованы. Большинство выпускников наших курсов делают успешную карьеру и пользуются уважением работодателей.
Требуемая подготовка: Успешное окончание курса Программирование на языке Python. Уровень 4. Анализ и визуализация данных на языке Python. Библиотеки Pandas, numpy, MatplotlibНажмите, чтобы раскрыть...
Программа курса
Модуль 1. Знакомство с Jupiter Notebook(Python)
Модуль 2. Введение в математический анализ
Основные понятия математического анализа. Предмет.
Теория множеств (Вероятностные пространства. Дискретное пространство элементарных исходов. Вероятность на числовой прямой и плоскости. Правило сложения и умножения).
Метрические пространства ( Понятие метрического пространства. Определение нормированного пространства, понятие нормы, отличие от метрики, примеры нормированных пространств. Норма в оптимизации).
Последовательности. Теория пределов (Определение Коши. Определение Пиано. Вычисление пределов функций. Асимптотические функции. Эквивалентные функции. Оценка сложности функции).
Дифференцирование (Дифференцируемость функции в точке. Частные производные и дифференциалы высших порядков. Градиент. Матрица Гессе. Производная функции одной переменной. Производная функции нескольких переменных).
Экстремумы функций многих переменных (Определения точек локального и глобального минимума. Необходимое и достаточное условие экстремума для выпуклых функций. Понятие стационарных точек и отличие в их определении от точек экстремума).
Интеграл (Неопределенный интеграл. Определенный интеграл. Приложения определенного интеграла и приближенные методы его вычисления Несобственные интегралы. Двойные интегралы. Приближенные методы интегрирования).
Ряды (Понятия ряда. Сходимость рядов).
Применение изученных разделов математического анализа на общем примере( Jupiter notebook). Проект.
Модуль 3. Линейная алгебра
Линейное пространство.
Матрицы и матричные операции.
Линейные преобразования.
Системы линейных уравнений.
Сингулярное разложение матриц.
Применение изученных разделов линейной алгебры на общем примере (Jupiter notebook). Проект.
www.specialist.ru/course/matan1#trainers
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT.
Для успешной работы в этой области необходимы знания разделов высшей математики, таких как математический анализ и линейная алгебра.
Цель курса: освоить основные разделы математического анализа и линейной алгебры, необходимые для успешного применения в области Data Science.
Курс рекомендован начинающим специалистам в области Data Science. По окончании курса Вы сможете использовать полученные знания по математическому анализу и линейной алгебры для старта в данной сфере.
Вы научитесь
использовать полученные знания по математическому анализу и линейной алгебры для
Специалисты, обладающие этими знаниями и навыками, в настоящее время крайне востребованы. Большинство выпускников наших курсов делают успешную карьеру и пользуются уважением работодателей.
Требуемая подготовка: Успешное окончание курса Программирование на языке Python. Уровень 4. Анализ и визуализация данных на языке Python. Библиотеки Pandas, numpy, MatplotlibНажмите, чтобы раскрыть...
Программа курса
Модуль 1. Знакомство с Jupiter Notebook(Python)
Модуль 2. Введение в математический анализ
Основные понятия математического анализа. Предмет.
Теория множеств (Вероятностные пространства. Дискретное пространство элементарных исходов. Вероятность на числовой прямой и плоскости. Правило сложения и умножения).
Метрические пространства ( Понятие метрического пространства. Определение нормированного пространства, понятие нормы, отличие от метрики, примеры нормированных пространств. Норма в оптимизации).
Последовательности. Теория пределов (Определение Коши. Определение Пиано. Вычисление пределов функций. Асимптотические функции. Эквивалентные функции. Оценка сложности функции).
Дифференцирование (Дифференцируемость функции в точке. Частные производные и дифференциалы высших порядков. Градиент. Матрица Гессе. Производная функции одной переменной. Производная функции нескольких переменных).
Экстремумы функций многих переменных (Определения точек локального и глобального минимума. Необходимое и достаточное условие экстремума для выпуклых функций. Понятие стационарных точек и отличие в их определении от точек экстремума).
Интеграл (Неопределенный интеграл. Определенный интеграл. Приложения определенного интеграла и приближенные методы его вычисления Несобственные интегралы. Двойные интегралы. Приближенные методы интегрирования).
Ряды (Понятия ряда. Сходимость рядов).
Применение изученных разделов математического анализа на общем примере( Jupiter notebook). Проект.
Модуль 3. Линейная алгебра
Линейное пространство.
Матрицы и матричные операции.
Линейные преобразования.
Системы линейных уравнений.
Сингулярное разложение матриц.
Применение изученных разделов линейной алгебры на общем примере (Jupiter notebook). Проект.
www.specialist.ru/course/matan1#trainers