Онлайн-курс по математике
в Data Science Pro
в Data Science Pro
Программа разработана преподавателями МГУ, которые будут вести онлайн-занятия.
Не хватает математической базы для изучения Data Science? Наш курс идеально подходит для подготовки к поступлению в ШАД или в Computer Science Center.
Получить 2 бесплатных вводных урока
Курс рассчитан на 5 месяцев.
Курс разделен на 4 тематических модуля с видеолекциями и домашними заданиями к каждому уроку.
Формат
Программа
Расписание
Вы сможете обучаться в любом темпе и задавать вопросы в чате.
Один раз в месяц проводятся онлайн-встречи с преподавателями
Зачем нужна математика в Data Science?
Дата-сайентисты исследуют разные гипотезы.
Рекомендации товаров, движение денег, распознавание сущностей и паттернов. На математическом уровне к этим разрозненным предметам применимы одинаковые инструменты.
Хорошие новости.
Аналитики используют не весь математический инструментарий, лишь несколько разделов. Однако без их знания трудно понять описание нового прорывного алгоритма и тем более его реализовать.
Анализ данных отличается от разработки приложений.
Цель аналитика состоит не в написании программы, а в оценке гипотезы. Язык описания и проверки гипотез — это и есть математика.
Сначала математическая формулировка — потом программное решение.
Ведь математика — одна и та же, а язык программирования выбирают, исходя из доступных средств и необходимой скорости работы алгоритма.
Программистам
Занятия помогут повысить квалификацию и освоить востребованную профессию Data Scientist.
Аналитикам
Курс освещает не только сложные задачи для абитуриентов ШАД, но и каверзные вопросы по математике с собеседований на позицию Data Scientist.
Кому подойдет этот курс?
Чему вы научитесь?
Подготовитесь к ШАД
В программу курса входит материал, необходимый вам для успешной сдачи вступительных экзаменов в Школу анализа данных Яндекс.
01
Математические термины
Вы усвоите специальную терминологию и сможете читать статьи по Data Science без постоянных обращений к поисковику.
02
Математические основы Machine Learning
Вы узнаете роль чисел, формул и функций в разработке алгоритмов машинного обучения.
03
Программа занятий
Преподаватели ведущего вуза страны разработали этот курс для полноценного освоения математических основ Data Science. Они будут проверять выполненные студентами задания и давать обратную связь, а для консультаций в процессе обучения будет доступен общий чат курса.
Модуль 1. Математический анализ
Пределы. Функции. Дифференцируемость. Первая производная, вторая производная. Ряды. Формула Тейлора. Неопределенный интеграл. Определенный интеграл. Несобственный интеграл. Функции многих переменных.
Модуль 2. Линейная алгебра
Алгебра комплексных чисел. Матрицы и определители. Геометрия векторных пространств. Системы линейных уравнений. Линейные преобразования и их структура. Билинейные и квадратичные формы, евклидовы пространства. Тензоры, нормы.
Модуль 3. Комбинаторика
Основные правила комбинаторики. Множества. Сочетания.
Модуль 4. Теория вероятностей и математическая статистика
Случайные события, случайные величины. Математическое ожидание, дисперсия, корреляция. Основные законы распределения. Моделирование случайных величин. Точечные оценки и их свойства. Интервальные оценки. Выборочные характеристики. Проверка гипотез. Проверка гипотез при A/B-тестировании. Исследование зависимостей. Регрессии.
Модуль 5. Машинное обучение.
Практическое применение вышей математики в Data Science.
Этапы обучения на курсе
1
Изучаете подготовительный материал
Каждую тему ведет преподаватель с многолетним опытом работы со студентами. Он дополнит теорию яркими примерами из личной практики, которые помогут понять тему занятия.
Каждую тему ведет преподаватель с многолетним опытом работы со студентами. Он дополнит теорию яркими примерами из личной практики, которые помогут понять тему занятия.
2
Самостоятельная подготовка
В конце каждого занятия даются задачи с возрастающим уровнем сложности. Решая их, вы сможете глубже усвоить материал, а также обсудить проблемы с сокурсниками в общем чате.
В конце каждого занятия даются задачи с возрастающим уровнем сложности. Решая их, вы сможете глубже усвоить материал, а также обсудить проблемы с сокурсниками в общем чате.
3
Коммуникация и обратная связь
Чтобы процесс обучения стал более интересным и комфортным, студенты получат от нас обратную связь. Кураторы и преподаватели курса ответят на все вопросы по теме лекций и практических занятий.
Чтобы процесс обучения стал более интересным и комфортным, студенты получат от нас обратную связь. Кураторы и преподаватели курса ответят на все вопросы по теме лекций и практических занятий.
4
Сдача выпускного экзамена
На завершающем этапе вас ждет специальное задание, которое позволит применить все полученные знания и подтвердить успешное изучение материала.
На завершающем этапе вас ждет специальное задание, которое позволит применить все полученные знания и подтвердить успешное изучение материала.
Преподаватели курса
Артур Сапрыкин
Data Scientist, ментор онлайн–трансляций, посвященных практическому применению математических методов в науке о данных.
Занимался исследованиями в области теории принятия решений на военной службе. Опыт работы в стартапах и крупных корпорациях более 5 лет. Последнее место работы - "Мегафон. Среди разработанных Артуром решений стоит упомянуть морфологический, синтаксический и семантический анализаторы. На основе этих исследований была создана модель саммаризации без жесткой привязки к обученным данным и объему текста.
Опыт преподавания DS-дисциплин - 2 года.
Алексей Никитин
Кандидат физико-математических наук, доцент факультета ВМК МГУ. Читает лекции по математическому анализу двум первым курсам факультетам ВМК МГУ и ФКН ВШЭ. Преподавательский стаж – более 12 лет. Вел совместные исследования с учеными института IIASA, Лаксенбург, Австрия. Автор популярной страницы ВКонтакте «Ёжик в матане»
Леонид Крицков
Кандидат физико-математических наук, доцент факультета ВМК МГУ. Автор задачника «Алгебра и аналитическая геометрия: теоремы и задачи», используемого на факультете ВМК МГУ. Свыше 25 лет преподает линейную алгебру и математический анализ. Является автором более 80 научных публикаций.
Татьяна Захарова
Кандидат физико-математических наук, доцент факультета ВМК МГУ. Преподает теорию вероятностей и математическую статистику более 28 лет. Является автором более 70 научных публикаций, в том числе связанных с обработкой больших объемов данных.
Дмитрий Емельянов
Магистр по специальности вычислительная математика, аспирант кафедры общей математики факультета ВМК МГУ. Научные интересы: дифференциальные уравнения, компьютерная графика, интерфейсы пользователя.
от 3 750 руб./месяц*
* Мы предоставляем рассрочку от Тинькофф банка. При оплате частями вы не переплачиваете проценты.
.
Стоимость курса
30 000 руб.
Осталось 7 мест из 20
Рассрочка курса стоимостью 45 000 на 12 месяцев
Скидка 56% при оплате полностью
Получите консультацию бесплатно
Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности
Click to order
Total:
Не нашел то, что искал?
Предложи свою идею для курса, и мы ее реализуем
Ответы на частые вопросы
Я не разбираюсь в математике. У меня получится?
Данный курс предполагает начальные знания и подготовку. Вы можете пройти и освежить свои знания на марафоне "Базовая математика для Data Science"
Что нужно знать, чтобы начать обучение на этом курсе?
Хватит знаний курса школьной математики.
Сколько часов в неделю мне нужно будет уделять учёбе?
Всё зависит только от вас. В среднем наши студенты занимаются от трёх до пяти часов в неделю.
Я смогу общаться с преподавателями?
У вас будет куратор в Telegram-чате, а преподаватель лично прокомментирует домашние задания и даст полезные советы. В прямом эфире вы сможете получить ответы на вопросы по теме вебинара. Так вы сможете перенять опыт, профессиональные знания и лайфхаки.
Действуют ли какие-нибудь программы рассрочки?
Да, вы можете купить курс в рассрочку — и спланировать свой бюджет, разбив всю сумму на мелкие ежемесячные платежи.