Основы математики для Data Science [Николай Герасименко, Вячеслав Архипов] [Skillbox]

Основы математики для Data Science [Николай Герасименко, Вячеслав Архипов] [Skillbox]

Основы математики для Data Science​

Вы освежите знания по математике, изучите базовые формулы и функции, разберётесь в основах машинного обучения и сможете начать карьеру в Data Science — таких специалистов ищут IT-компании по всему миру.


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.

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.

Программа

Чтобы начать обучение на курсе, нужно знать основы языка Python. Вы получите выжимку самых важных знаний, а постоянная практика под присмотром наставника поможет понять математику на 100%.

• 11 модулей
• 64 онлайн-урока

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.

Код:

https://skillbox.ru/course/math-for-data-science/