Что нового

Бесплатные online курсы, скачать сливы курсов - kursy.live

Слив курсов - это быстрый и доступный способ получить дополнительные зания или ознакомиться с курсом, до его покупки.

Оперативная поддержка

Не активна ссылка? Обновляем неактивные ссылки в течении считанных минут.

Постоянное обновление

Ежедневно добавляем по 10-20 свежайших сливов. Не пропусти.

Гибкие тарифы

Можете скачать один курс или получить не ограниченный доступ ко всем курсам.

Математика для Data Science [2021] [stepik academy] [Михаил Миронов, Екатерина Минеева]

admin

Administrator
Команда форума
СУПЕР МОДЕРАТОР
Регистрация
26.05.2022
Сообщения
25 748
Реакции
146
Баллы
63
Математика для Data Science [2021]
Stepik Academy
Михаил Миронов, Екатерина Минеева

Разберитесь, как работают технологии машинного обучения, и научитесь пользоваться ими осознанно.





Математика для DS – программа из 3 курсов, которая поможет
1. Разобраться в теории
Вы любите доходить до самой сути всего, что делаете. Вам интересно, что стоит за теми алгоритмами, которые вы применяете.2. Подготовиться к собеседованию
Вы хотите работать в сфере Data Science и боитесь каверзных вопросов на собеседованиях? Не зря боитесь.3. Читать научные статьи
Статьи по Data Science часто несложные по сути – но без определенной математической базы их сложно читать.4. Полюбить математику
Мы любим математику и хотим показать вам, как она красива.




Содержание
Блок 1 - Математический анализ

Модуль 1 - Одномерный математический анализ

Зачем в машинном обучении нужен математический анализ
Множества и функции
Пределы последовательностей
Пределы функций и непрерывные функции
Производные
Одномерный градиентный спуск
Модуль 2 - Многомерный математический анализ

R^n: расстояния и векторы
Дифференциал и частные производные
Производная по направлению и градиент
Градиентный спуск
Модификации градиентного спуска (Momentum, RMSProp, Adam)
Блок 2 - Линейная алгебра

Модуль 1 - Линейная алгебра

Векторные пространства и линейные отображения
Матрицы
Нейронные сети
Подпространства, базис, размерность
Ранг матрицы и метод Гаусса
Модуль 2 - Линейная алгебра продолжение

Определитель, обратные матрицы, замена базиса
Скалярное произведение, углы, расстояния
Ортогональные матрицы
Матричные разложения
Собственные векторы и SVD
Backpropagation
Блок 3 - Теория вероятностей

Модуль 1 - Дискретная теория вероятностей

Вероятностное пространство, события, исходы
Равновероятные исходы
Условная вероятность, независимые события, теорема Байеса
Перестановки и биномиальные коэффициенты
Дискретная случайная величина, распределение, математическое ожидание, дисперсия
Ряды и счётное пространство исходов
Модуль 2 - Непрерывная теория вероятностей

Интеграл и непрерывное пространство исходов.
Непрерывная случайная величина, распределение, плотность распределения, математическое ожидание, дисперсия
Закон больших чисел
Центральная предельная теорема
Основы статистики: статистические тесты


Примечание: Тариф «Перельман»

Продажник
 
Верх