|
|
 | |  |
| Главная » 2022 » Март » 15 » Математика для Data Science
Математика для Data Science | 16:11 |
Разберитесь, как работают технологии машинного обучения, и научитесь пользоваться ими осознанно.
Математика для DS - программа из 3-х 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
Тариф «Перельман»
Название: Математика для Data Science
Год: 2021
Автор: Михаил Миронов, Екатерина Минеева
Издательство: Издательские решения
Жанр: программирование, разработка, компьютерная литература
Количество страниц: 122
Формат: PDF + PNG
Язык: Русский
Размер: 50.07 Mb
Скачать Математика для Data Science
|
|
Категория: Разное |
Просмотров: 99 |
Добавил: Kioka83
|
Добавлять комментарии могут только зарегистрированные пользователи. [ Регистрация | Вход ] | |
 | |  |
|
| Календарь новостей |
 | | « Март 2022 » | | Пн | Вт | Ср | Чт | Пт | Сб | Вс | | | 1 | 2 | 3 | 4 | 5 | 6 | | 7 | 8 | 9 | 10 | 11 | 12 | 13 | | 14 | 15 | 16 | 17 | 18 | 19 | 20 | | 21 | 22 | 23 | 24 | 25 | 26 | 27 | | 28 | 29 | 30 | 31 |
|  |
 |
|
