Ныряй в знания Скидка 35% действует 0 дней 00:00:00
Курс

Математика для Data Science

Вы разберётесь 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.

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
  1. 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.
  2. 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.
  3. 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.

Спикеры

Николай
Герасименко
Data Scientist в Сбербанке, математик в ВЦ РАН. Блок «Основы математики для Data Science»

Опыт преподавания высшей математики более 4 лет. Многократный призёр математических олимпиад.

Александр
Горяинов
Доцент Московского авиационного института. Спикер курса «Основы статистики и теории вероятностей»

15+ лет преподаёт математику, руководитель 20+ дипломных работ у специалистов, бакалавров и магистров

Василий
Сизов
Team Lead команды «Модели управления жизненным циклом клиента» в ВТБ. Спикер курса «Основы статистики и теории вероятностей»

Выпускник МГТУ им. Н.Э.Баумана, с 2020 года Data Scientist в ВТБ

Отзывы участников

Николай Стольный Курс «Основы математики для Data Science»
У большинства спикеров очень понятная подача материала. Приятно осознавать рост нагрузки и чувствовать напряжение. В Telegram-чате собрались участники с разным прогрессом, а некоторые стремятся, особо не задумываясь, найти в нём лёгкое решение для любой задачи. Поэтому у меня нет мотивации общаться в чате. Предпочитаю самостоятельно разбираться в материале. В некоторых модулях нет явного указания на то, что получить практическую работу нужно определённым образом, например, через GitLab. Видео иногда подтормаживает, хотя другие видеоресурсы воспроизводятся без проблем.
Очень нравится подача материала в курсе «Основы математики» — всё понятно, есть разбор практики, комментарии спикера очень толковые)
  • Старт курса: 17 июля
  • Осталось: 4 места

Стоимость курса

Скидка действует 0 дня 00:00:00

  • 25 733 AMD/мес
  • -35%
16 726 AMD/мес
  • В рассрочку на 6 месяцев
  • Курс в подарок
  • Год английского бесплатно

Записаться на курс или получить бесплатную консультацию

Похоже, произошла ошибка. Попробуйте отправить снова или перезагрузите страницу.
Спасибо!

Ваша заявка успешно отправлена