О программе
Сделаем из вас профессионала в области анализа данных и машинного обучения. По окончании курса вы освоите полный цикл работы с данными для решения прикладных задач: выгрузку, обработку, анализ и интерпретацию результатов; получите фундаментальные знания в области линейной алгебры, теории вероятностей, статистики, математического анализа и методов оптимизации; с помощью языка Python сможете самостоятельно обрабатывать и анализировать данные для решения прикладных задач и получать наглядные результаты в текстовом или графическом виде.
Варианты обучения
70 ак. ч
Кому подойдет программа
Преимущества обучения
Программа обучения
1. Анализ данных с помощью Python
Синтаксис Python: типы данных, операции, функции, циклы и списки
Чтение, запись и изменение данных из файлов
Базовые библиотеки для работы с данными и машинного обучения
Вывод результатов анализа в текстовом и графическом виде
Длительность: 20 часов.
2. Общая математика
Вектор (определение, нулевой вектор, коллинеарность, длина)
Сложение, вычитание и умножение векторов
Координаты векторов (сложение, вычитание, умножение)
Единичные вектора
Линейная комбинация и линейное преобразование векторов, скалярное произведение
Матрица
Операции над матрицами
Транспонирование матрицы
Ранг и определитель матрицы
Метод Гаусса
Генеральная совокупность. Выборка
Типы данных
Среднее арифметическое / Мода / Медиана
Дисперсия / Стандартное отклонение / Коэффициент вариаций
Нормальное распределение
Центральная предельная теорема
t-критерий Стьюдента (p-value)
Z-статистика
Квартили
Доверительный интервал
Мера различий (Нулевая гипотеза)
А/B тесты
Ковариация
Корреляция
Практическая работа №3: “Линейная алгебра + математическая статистика”
Финальный тест
Длительность: 11 часов.
3. Data Science
Практическое применение машинного обучения
Типы задач, алгоритмы и методы их решения
Способы машинного обучения: обучение с учителем
Способы машинного обучения: обучение без учителя
Длительность: 18 часов.
4. Решение проблем при работе с данными
Борьба с переобучением и недообучением
Оценка качества алгоритма и метрики качества
Несбалансированные выборки и отбор признаков
Визуализация и интерпретация данных
Длительность: 11 часов.
Отзывы
Об этом учебном заведении пока никто не оставил отзыв. Станьте первым!
Оставить отзыв