We may earn an affiliate commission when you visit our partners.
Course image
Валентин Промыслов, Владимир Подольский, Борис Демешев, and Евгений Маевский
За каждой стандартной моделью и конструкцией в Data Science стоит математика, благодаря которой эти модели функционируют. Если вы хотите работать с данными на серьезном уровне и понимать, как устроены методы машинного обучения, то знание математических основ...
Read more
За каждой стандартной моделью и конструкцией в Data Science стоит математика, благодаря которой эти модели функционируют. Если вы хотите работать с данными на серьезном уровне и понимать, как устроены методы машинного обучения, то знание математических основ вам просто необходимо. В этой специализации мы изучим широкий спектр математических инструментов и рассмотрим некоторые их приложения к анализу данных. Будут рассмотрены такие важные разделы математики, как дискретная математика, линейная алгебра, математический анализ и теория вероятностей. Материалы курсов разработаны с учетом современного состояния Data Science и покрывают все темы, необходимые для для дальнейшего развития в данном направлении. Чтобы сделать обучение более практико-ориентированным, мы сопровождаем лекции примерами и задачами, возникающими при реальной работе с данными, и показываем, как решать подобные задачи с помощью Python. Курсы рекомендуется проходить в том порядке, в котором они представлены на платформе. Каждый из них в той или иной мере использует материал, разобранный в предыдущих курсах.
Enroll now

Share

Help others find this collection page by sharing it with your friends and followers:

What's inside

Four courses

Теория вероятностей и ее приложения

(0 hours)
Онлайн-курс «Теория вероятностей и ее приложения» входит в специализацию «Математика для анализа данных» от НИУ ВШЭ. Программа рассчитана на желающих заниматься компьютерными науками и насыщена примерами применения теоретического материала на практике.

Дискретная математика: подсчеты, графы, случайные блуждания

(0 hours)
This online course introduces sections of discrete mathematics relevant to data analysis, beginning with an overview of combinatorics for counting. We'll discuss applications in data analysis and Python programming. Next, we'll explore discrete probability, a foundation for future study in this area. Finally, we'll examine graphs, a common combinatorial structure in data analysis, and build a simple recommendation system using random walks on graphs.

Математический анализ для работы с данными

(0 hours)
В онлайн-курсе НИУ ВШЭ представлены основные понятия и методы математического анализа, необходимые для работы с данными. Курс охватывает основы теории пределов, дифференциального и интегрального исчисления скалярных и векторных функций от одной и нескольких переменных. Рассматриваются также задачи гладкой оптимизации и вычислительные методы.

Линейная алгебра: от идеи к формуле

(0 hours)
Основная особенность нашего онлайн-курса — геометрический подход к изложению. В каждом сюжете сначала мы рассказываем идею определения, а уже затем вводим формальное определение. В частности, линейные операторы, собственные векторы и числа появляются до матриц и определителей.

Save this collection

Save Математика для анализа данных to your list so you can find it easily later:
Save
Our mission

OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.

Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.

Find this site helpful? Tell a friend about us.

Affiliate disclosure

We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.

Your purchases help us maintain our catalog and keep our servers humming without ads.

Thank you for supporting OpenCourser.

© 2016 - 2024 OpenCourser