Основы математики для Data Science (2020) Автор: 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
Базовые математические объекты и SymPy. Дроби и преобразования.
Базовые математические объекты и SymPy. Функции и дополнительные объекты.
Функции одной переменной, их свойства и графики.
Интерполяция и полиномы: квадратичные и кубические функции.
Аппроксимация и преобразования функций: сдвиги, растяжения, сжатия.
Аппроксимация и работа с производными.
Функции нескольких переменных, их свойства и графики.
Частные производные функции нескольких переменных.
Векторы и матрицы. Градиент.
Линейная регрессия и системы линейных уравнений.
Разложения матриц. Собственные векторы и значения.