Математика для Data Science

Вы разберетесь в базовых разделах математики, изучите методы статистики и теории вероятностей, разберётесь в основах машинного обучения и сможете начать карьеру в Data Science — таких специалистов ищут IT-компании по всему миру.

Длительность 4 мес
Практические задания на основе реальных кейсов
Авторы курса эксперты из Сбера, ВТБ и университета МАИ
Доступ к материалам навсегда

Чему вы научитесь

Понимать математические термины
Изучите основную терминологию и сможете читать сложные статьи по Data Science для решения рабочих задач.
Работать с формулами и функциями
Перестанете бояться переменных и функций и начнёте с их помощью решать практические задачи.
Применять основные методы статистики
Освоите инструменты математической статистики и теории вероятностей и сможете использовать их в работе с большими данными.
Разбираться в основах машинного обучения
Изучите математические основы Machine Learning — узнаете роль чисел, формул и функций в разработке алгоритмов машинного обучения.
Автоматизировать решение задач
Узнаете, как использовать Python и его библиотеки для решения рабочих задач.
Описывать прикладные задачи на языке математики
Сможете сформулировать практическую задачу с помощью математических формул.

О Skillbox

Skillbox в странах СНГ. На платформе вы сможете получить актуальные знания и освоить востребованную профессию из любой точки мира.

Как проходит обучение на платформе

Регистрация
Знакомитесь с платформой

Платформа Skillbox — собственная разработка компании Skillbox, платформа постоянно улучшается. Вас ждут видео, практические задания и общение с кураторами Доступ к материалам откроется сразу после покупки курса
Теория
Получаете знания

Курсы состоят из тематических видео разной длительности Смотрите их когда и где угодно Доступ бессрочный, чтобы вы всегда могли вернуться и повторить теорию
Практика
Выполняете задания

В Skillbox уверены, что навыки отрабатываются только через практику. Поэтому после теории вас ждёт практическая работа или тест Все задачи приближены к реальным — их можно с гордостью положить в портфолио
Обратная связь
Работаете с куратором

Проверкой заданий занимаются кураторы Это эксперты по теме курса Они помогут с трудными задачами и подскажут, как улучшить ваши проекты Общаться с проверяющими кураторами можно прямо на платформе

Содержание курса

Вас ждут вебинары и практика на основе реальных рабочих задач в Data Science. Опытные наставники помогут освоить материал без пробелов в знаниях.

Чтобы начать обучение на платформе, нужно знать основы языка Python.

4 месяца обучения
25 практических заданий

Основы математики для Data Science
- 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.
Основы статистики и теории вероятностей
- 1. Введение в теорию вероятностей. Основные определения, свойства и методы.
  2. Случайные события.
  3. Случайная величина. Дискретные распределения.
  4. Непрерывные распределения. Общие сведения.
  5. Основные виды непрерывных распределений.
  6. Статистические тесты.
Основы статистики и теории вероятностей. Продвинутый уровень
- 1. Gentle Introduction. Теория вероятностей в Python.
  2. Оценивание: основные свойства и методы.
  3. Проверка гипотез: теория и практика.
  4. Совместные распределения.
  5. Исследование зависимостей.
  6. Элементы случайных событий и временных рядов. Введение.
  7. Дополнительные главы: теорема Байеса, линейная регрессия, A/B-тестирование, энтропия.