ЛекцияСеминар, Мастер-класс, Показ, ЭкскурсияКурсМагистратура, MBA, ТренингГрантРезиденции, стажировки, конкурсыPromoПродвижение анонса

GoTo Course: курс по математическим и алгоритмическим основам анализа данных

2дня
50занятий
70 000 рублей
Программа курса

11 марта в Москве запускается курс по математическим и алгоритмическим основам анализа данных — 2 месяца интенсивного изучения теории и ее применения с преподавателями-практиками.

К участию приглашаются все желающие любых возрастов. Курс будет полезен тем, кто хотел бы приобрести знания математики и алгоритмов или освежить их, а также подготовиться к изучению анализа данных и машинного обучения на продвинутом уровне и решению задач на собеседованиях.

В рамках обучения участников ждут еженедельные лекции и семинары от опытных практиков, а также домашняя работа и вебинары с консультациями. Программа включает в себя базовый курс высшей математики, теории вероятностей, алгоритмов и структур данных. Особое внимание отведено разборам применения теории в практических задачах из реальной жизни и их программной реализа.

Курс разработан под руководством Александра Петрова, посвятившего проектам в области анализа данных компаний E-Contenta, Яндекс, Tinkoff Digital, Data-Centric Alliance, Mail.Ru Group больше 7 лет.

Участие платное, есть возможность выиграть гранты, успешно пройдя собеседование и входное тестирование. По итогам успешно пройденного обучения участники получат сертификаты и возможность продолжить обучение на следующем курсе по анализу данных и машинному обучению.

Подробности: http://goto.msk.ru/math_course/

Программа:

Математический анализ

3 лекции

  1. Пределы последовательностей и функций. Непрерывные функции.
  2. Выпуклые функции. Числовые и функциональные ряды, суммирование рядов.
  3. Дифференцирование, интегрирование, методы. Градиент.

Практические задачи семинаров

  1. Поиск оптимумов функций (оптимальная цена на товар по функции спроса)
  2. Расчет интегральных значений (суммарные выплаты по кредиту, оценка. стоимости компаний).
  3. Программная реализация численного интегрирования и дифференцирования.
  4. Градиентный спуск как основа методов машинного обучения.

Алгебра

5 лекций

  1. Подстановки. Комплексные числа. Системы линейных уравнений.
  2. Линейная зависимость и ранг. Определители. Операции над матрицами.
  3. Векторное пространство, его базис и размерность. Линейные отображения и линейные операторы.
  4. Билинейные и квадратичные функции.
  5. Собственные векторы и собственные значения оператора.

Практические задачи семинаров

  1. Расчет геометрии в 3d играх, матрицы поворота.
  2. Признаковое описание объектов в машинном обучении. Матрицы прецедентов.
  3. Программная реализация численного решения систем линейных уравнений.

Комбинаторика и теория вероятностей

4 лекции

  1. Основные правила комбинаторики. Множества. Сочетания.
  2. Вероятностное пространство и классическая вероятностная модель. Случайная величина, функция распределения.
  3. Независимость событий. Условные вероятности.
  4. Математическое ожидание, дисперсия, корреляция.Основные теоремы теории вероятностей. Распределения и их свойства.

Практические задачи семинаров

  1. Расчет вероятностей в карточных играх и тотализаторах
  2. Задачи на теорему байеса: оценка вероятности наступления страхового случая или дефолта.
  3. Задачи на основные теоремы анализа данных, оценка значимости эксперимента.

Алгоритмы и структуры данных

5 лекций

  1. Простейшие конструкции языка программирования: Циклы, ветвления, рекурсия. Анализ алгоритмов. Понятие о сложности по времени и по памяти. Асимптотика, О-символика. Инварианты, пред- и пост-условия.
  2. Простейшие структуры данных. Массивы, стеки, очереди, связные списки.
  3. Сортировки.
  4. Строки и операции над ними.
  5. Указатели и динамическое управление памятью.

Практические задачи семинаров

  1. Программная реализация численных решений задач алгебры, геометрии, математического анализа.
  2. Решение задач на структуры данных и алгоритмы с примерами из разных областей анализа данных, интернет-рекламы, финансовой сферы, научных исследований.

Введение в анализ данных

2 лекции

  1. Постановка задачи машинного обучения. Виды задач машинного обучения.
  2. Простейшие классификаторы. Оценка качества.

Задачи семинаров

  1. Реализация наивного байесовского классификатора в и применение его для классификации текстов.
  2. Оценка качества классификатора.

В конце курса проводится финальный экзамен.
Занятия проходят в формате очных лекций и семинаров и онлайн-консультаций.

Расписание

Суббота-Воскресенье, Среда

Организаторы
Смотрите также
Close