Математика для анализа данных

Рассчитана на 6 месяцев при условии, что вы будете посвящать учёбе около 10 часов в неделю. Но учиться можно в комфортном темпе — мы не будем давить.

1 модуль — бесплатно. Поймёте, какие разделы математики нужны для понимания инструментов анализа данных и Data Science.

Узнаете, для понимания каких инструментов анализа данных и Data Science нужен каждый раздел математики

Разберёте несколько задач на функции, поработаете с графиками

Увидите, как решают некоторые математические задачи в Python

Познакомитесь с нашими персонажами и узнаете, как всё устроено на курсе

Научитесь уверенно ориентироваться в векторных пространствах.

Узнаете, как представить описание объектов с помощью векторов. Научитесь производить операции над векторами. Разберётесь, что такое векторное пространство.

Научитесь вычислять скалярное произведение. Разберётесь с основными нормами векторов и расстояниями между векторами.

Освоите операции над матрицами, умножение матрицы на вектор и другую матрицу. Разберётесь с линейной (не)зависимостью и базисом.

Научитесь вычислять определитель матрицы и упрощать матричные выражения — и узнаете, зачем это нужно.

Проанализируете новостные заголовки с помощью векторов и матриц, выберете лучшего поставщика и решите другие бизнес-задачи

Изучите виды функций, которые часто встречаются в аналитике данных и Data Science.

Разберётесь с понятием функции и её графиком, изучите линейную и полиномиальную функции. Выясните, как с их помощью аппроксимировать данные.

Изучите показательную функцию, модуль, обратную функцию и композицию функций. Разберётесь с логарифмами и логарифмической шкалой.

Поможете производителям домов для морских свинок спрогнозировать цены на стройматериалы

Освоите базу, которая лежит в основе работы многих инструментов. Например, узнаете о поиске оптимального решения с помощью градиентного спуска.

Разберётесь, что такое предел и производная, научитесь их вычислять, находить экстремумы функций, определять монотонность и выпуклость

Познакомитесь с понятием первообразной, научитесь находить неопределённые интегралы, вычислять определённые и несобственные интегралы, интегрировать по частям

Научитесь находить частные производные и экстремумы, разберётесь с алгоритмом градиентного спуска

Найдёте лучшую площадку для рекламы новой игры

Узнаете, как работает одна из фундаментальных предсказательных моделей — линейная регрессия. Научитесь использовать на практике разложение матриц.

Разберётесь, как работает линейная регрессия. Научитесь находить её параметры аналитически и с помощью минимизации функции ошибки. Освоите ключевые способы улучшения модели.

Научитесь находить собственные значения и векторы матрицы. Разберётесь с сингулярным разложением матрицы и его практическим применением.

Узнаете, что общего у сжатия изображений и анализа текстов

Научитесь работать с равномерным, биномиальным, нормальным и другими распределениями. Узнаете, как анализировать связь между случайными величинами.

Познакомитесь с дискретными случайными величинами, изучите их свойства. Освоите дискретные распределения, которые часто используют на практике.

Разберётесь с совместным распределением, условной вероятностью, теоремой Байеса. Выясните, в чём разница между ковариацией и корреляцией.

Познакомитесь с непрерывными случайными величинами, разберётесь в особенностях их применения, изучите нормальное распределение и ЦПТ.

Примените теорию вероятностей к разным сферам: от лотереи до медицинских исследований и запуска нового стартапа

Освоите инструменты, которые помогут делать корректные выводы на основе данных. Научитесь формулировать и проверять гипотезы.

Научитесь подбирать подходящее распределение и его параметры для описания наблюдаемых данных. Разберётесь, как работает метод максимального правдоподобия.

Узнаете, что такое доверительный интервал, как работает тестирование гипотез. Освоите математическую базу A/B-тестирования.

Узнаете, как применять нелинейное преобразование данных и бутстреп. Изучите непараметрические тесты. Узнаете, как проводить множественную проверку гипотез.

Научитесь находить матрицу ковариации. Разберётесь в методе главных компонентов (PCA) и его применении. Узнаете, как использовать SVD для PCA.

Поможете владельцу завода протестировать новую систему производства и решить, экономит ли она деньги

Пройдёте симулятор математической части в нашем тренажёре, чтобы подготовиться к собеседованию на позицию аналитика или специалиста по Data Science.