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. 3 часть. Методы оптимизации и алгоритмы анализа данных [2020] [Специалист]

admin

Administrator
Команда форума
СУПЕР МОДЕРАТОР
Регистрация
26.05.2022
Сообщения
26 731
Реакции
160
Баллы
63
Математика для Data Science. 3 часть. Методы оптимизации и алгоритмы анализа данных
Специалист

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 теория вероятности и математическая статистика.

Цель курса: основные разделы методов оптимизации и алгоритмов анализа данных, 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 методам оптимизации и алгоритмам анализа данных для старта в области Data Science.

По окончании курса Вы будете уметь:
1. Использовать полученные знания по методам оптимизации и алгоритмам анализа данных для старта в области Data Science.

Специалисты, обладающие этими знаниями и навыками, в настоящее время крайне востребованы. Большинство выпускников наших курсов делают успешную карьеру и пользуются уважением работодателей.





Содержание
Модуль 1. Методы оптимизации

Основные понятия, определения, предмет
Непрерывность, гладкость и сходимость ЦФ. Дискретные ЦФ
Условная и безусловная оптимизация
Методы однокритериальной оптимизации
Постановка задачи многокритериальной оптимизации
Методы многокритериальной оптимизации
Градиентный спуск
Стохастические методы оптимизации
Модуль 2. Алгоритмы анализа данных

Алгоритм линейной регрессии. Градиентный спуск
Масштабирование признаков. L1- и L2-регуляризация. Стохастический градиентный спуск
Логистическая регрессия
Алгоритм построения дерева решений. Случайный лес
Градиентный бустинг
Разбор алгоритма обратного распространения ошибки
Модуль 3. Итоговая работа

Применение изученных разделов методов оптимизации и алгоритмов анализа данных на общем примере (Jupiter notebook). Проект.


Продажник
 
Прием платежей для сайтов
Верх