Подробнее о курсе
Краткое описание курса
На курсе Вы освоите математические концепции: взаимосвязь в массивах данных и научитесь делать точные прогнозы.
Цель курса
Научиться разбираться в алгоритмах машинного обучения, понимать, какие принципы лежат в основе разных алгоритмов, чтобы выбирать правильные инструменты.
Познакомиться с основными математическими концепциями и заложить теоретический фундамент, чтобы лучше разбираться в статистике и правильно интерпретировать данные
Целевая аудитория курса
Специалисты по Data Science
Аналитики данных
Получаемые знания и навыки
- Проверять векторы на линейную зависимость.
- Решать системы линейных уравнений в матричной форме.
- Вычислять собственные векторы и числа для матрицы.
- Производить матричные разложения.
- Вычислять производную функции нескольких аргументов.
- Использовать различные методы оптимизации для поиска локального минимума функции.
- Вычислять математическое ожидание и дисперсию дискретной случайной величины.
- Использовать формулу Байеса для вычисления апостериорной вероятности.
- Использовать закон больших чисел для оценки математического ожидания.
Необходимая предварительная подготовка
Базовый уровень владения Python: знание библиотек NumPy, SciPy, Matplotlib
