Matematyka w nauce danych Część 1. Analiza matematyczna i algebra liniowa - kurs 26 990 RUB. od Specjalisty, szkolenie 40 godzin akademickich, termin 15 maja 2023 r.
Miscellanea / / December 03, 2023
Profesjonalny nauczyciel kursów programowania, certyfikowany programista Instytut Pythona z ogólnym doświadczeniem zawodowym w branży IT ponad 20 lat. Zbudowałem od podstaw systemy IT w 4 firmach. Więcej niż 5 lat.
Vadim Viktorovich ukończył Rosyjski Państwowy Uniwersytet Humanistyczny w 2000 roku ze specjalizacją w informatyce i informatyki. Prawdziwy profesjonalista w sprawach administracyjnych DBMS, automatyzacja procesów biznesowych firmy (ERP-a, CRM-a itp.), tworzenie przypadków testowych i szkolenie pracowników.
Potrafi motywować i zniewalać. Jest wymagający wobec swoich słuchaczy, zawsze gotowy do wyjaśnienia trudnych kwestii. Bogate doświadczenie w pracy nad prawdziwymi projektami pozwala mu zwrócić uwagę na te szczegóły, które zwykle są pomijane przez początkujących programistów.
Moduł 1. Wprowadzenie do Jupiter Notebook (Python) (8 ac. H.)
Moduł 2. Wprowadzenie do analizy matematycznej (16 ac. H.)
- Podstawowe pojęcia analizy matematycznej. Przedmiot.
- Teoria mnogości (Przestrzenie prawdopodobieństwa. Dyskretna przestrzeń wyników elementarnych. Prawdopodobieństwo na osi liczbowej i płaszczyźnie. Zasada dodawania i mnożenia).
- Przestrzenie metryczne (Pojęcie przestrzeni metrycznej. Definicja przestrzeni znormalizowanej, pojęcie normy, różnica w stosunku do metryki, przykłady przestrzeni znormalizowanych. Norma w optymalizacji).
- Sekwencje. Teoria granic (definicja Cauchy'ego. Definicja Peano. Obliczanie granic funkcji. Funkcje asymptotyczne. Funkcje równoważne. Ocena złożoności funkcji).
- Różniczkowanie (Różniczkowalność funkcji w punkcie. Pochodne cząstkowe i różniczki wyższych rzędów. Gradient. Macierz Hessego. Pochodna funkcji jednej zmiennej. Pochodna funkcji kilku zmiennych).
- Ekstrema funkcji wielu zmiennych (Definicje punktów minimalnych lokalnych i globalnych. Warunek konieczny i wystarczający na ekstremum dla funkcji wypukłych. Pojęcie punktów stacjonarnych i - różnica w ich definicji od punktów ekstremalnych).
- Całka (całka nieoznaczona. Określona całka. Zastosowanie całki oznaczonej i metody przybliżone do jej obliczania Całki niewłaściwe. Całki podwójne. Przybliżone metody całkowania).
- Wiersze (Pojęcia dotyczące wierszy. Zbieżność szeregów).
- Zastosowanie badanych działów analizy matematycznej na ogólnym przykładzie (zeszyt Jupiter). Projekt.
Moduł 3. Algebra liniowa (16 ac. H.)
- Przestrzeń liniowa.
- Macierze i operacje na macierzach.
- Przekształcenia liniowe.
- Układy równań liniowych.
- Rozkład osobliwy macierzy.
- Zastosowanie badanych działów algebry liniowej na przykładzie ogólnym (notatnik Jowisza). Projekt.
Analiza danych obejmuje szeroką gamę podejść i metod gromadzenia, przetwarzania, analizowania i wizualizacji zbiorów danych dowolnej wielkości. Oddzielnym, istotnym praktycznie obszarem tej nauki jest praca z big data z wykorzystaniem nowych zasad modelowanie matematyczne i obliczeniowe, gdy klasyczne metody przestają działać ze względu na ich niemożność skalowanie. Celem kursu jest pomoc studentom w opanowaniu podstaw danego obszaru tematycznego poprzez sformułowanie i rozwiązywanie typowych problemów, jakie badacz danych może napotkać w swojej pracy praca. Aby nauczyć studenta rozwiązywania takich problemów, autorzy kursu przekazują mu niezbędne minimum teoretyczne i pokazują, jak wykorzystać bazę narzędziową w praktyce.
4,2
Odświeżysz swoją wiedzę matematyczną, poznasz podstawowe wzory i funkcje oraz zrozumiesz podstawy działania maszyn szkolenia i możesz rozpocząć karierę w Data Science – takich specjalistów szukają firmy IT na całym świecie.
4,4