[OTUS] Математика для Data Science. Базовый курс. Часть 1 и 2

[Робин Гуд]

Автор: [OTUS]
Название: Математика для Data Science. Базовый курс. Часть 1 и 2

Что даст вам этот курс

Вы освоите основные разделы высшей математики, необходимые для успешной работы в Data Science: математический анализ, линейную алгебру, теорию вероятности и статистику. После курса вы будете готовы к изучению машинного обучения.

Для поступления на курс достаточно знать математику на школьном уровне.
Знакомство с высшей математикой будет плюсом, но необязательно.

Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.

Спойлер: Программа обучения

1 Математический анализ

• Введение
• Теория пределов
• Теория пределов.Часть II
• Непрерывность и Дифференцируемость функции
• Первая производная
• Вторая производная
• Оптимизация функции (одной переменной)
• Теория Рядов
• Теория Рядов. Часть II
• Формула Тейлора
• Неопределенное интегрирование
• Определенное интегрирование
• Несобственные интегралы
• Функции 2-хпеременных

2 Линейная алгебра

• Матрицы и элементарные операции
• Линейная зависимость
• Определитель
• Обратная матрица
• СЛАУ
• Векторная алгебра
• Диагонализация матрицы
• Диагонализация матрицы
• MidTerm

3 Теория Вероятностей

• Случайные события
• Случайные величины
• Основные законы распределения
• Основные законы распределения.Часть II
• Условные распределения
• Точечные оценки и их свойства
• Выборочные характеристики. Интервальные оценки
• Проверка гипотез
• Проверка гипотез. Часть II
• Регрессии
• Регрессии.Часть II

Подробнее:

Скачать: