МАТЕМАТИКА ДЛЯ DATA SCIENCE |
От простейших понятий до продвинутых тем математического анализа
начало обучения
в любое время
в любое время
уровень сложности
для новичков
для новичков
БЕСПЛАТНЫЙ КУРС
Для доступа к курсу необходимо зарегистрироваться на нашей образовательной платформе. Если у вас уже есть учётная запись, можно использовать её.
НАЛОГОВЫЙ ВЫЧЕТ
Вы можете сделать налоговый вычет в размере 13% от стоимости обучения.
С подробной информацией об условиях получения налогового вычета, порядком его расчёта и списком необходимых документов можно ознакомиться на сайте ФНС.
С подробной информацией об условиях получения налогового вычета, порядком его расчёта и списком необходимых документов можно ознакомиться на сайте ФНС.
Математика — ключ к пониманию сложных тем из машинного обучения и аналитики. Знать математику полезно для того, чтобы научиться мыслить абстрактно, читать современные статьи и знакомиться с новыми подходами обработки данных. А еще математическая интуиция и формальный язык выгодно отличают соискателей перед нанимающими лидами.
Часто специалисты боятся математики, предполагая, что крайняя возможность с ней разобраться осталась в университете. При этом им хочется развиваться в машинном обучении или аналитике, но непонятно, как восполнить недостающие пробелы.
Мы сделали этот курс для того, чтобы вы могли потренироваться и получить необходимую базу, если вам не хватает уверенности в своих математических силах. Надеемся, что наш курс поможет вам понять, что математикой может заниматься любой человек вне зависимости от своего предыдущего образования!
Часто специалисты боятся математики, предполагая, что крайняя возможность с ней разобраться осталась в университете. При этом им хочется развиваться в машинном обучении или аналитике, но непонятно, как восполнить недостающие пробелы.
Мы сделали этот курс для того, чтобы вы могли потренироваться и получить необходимую базу, если вам не хватает уверенности в своих математических силах. Надеемся, что наш курс поможет вам понять, что математикой может заниматься любой человек вне зависимости от своего предыдущего образования!
//
Head of Data Science Raiffeisen CIB, хедлайнер курса
НЕРСЕС БАГИЯН
//
// Цель нашего курса — помочь опытным аналитикам расширить свои компетенции и задать правильное направление для дальнейшего развития в профессии. Полученный практический опыт позволит углубить знания в области продуктовой аналитики и научиться подбирать правильные инструменты для решения задач в самых неопределённых условиях и незнакомых отраслях. //
КОМУ ПОДОЙДЁТ ЭТОТ КУРС:
Интересуетесь работой в Data Science и хотите начать с фундаментальных знаний математики, которые лежат в основе алгоритмов МО и аналитики
1
Проходите математику в университете и хотите подготовиться к реальной работе в бизнесе или в науке
2
Хотите лучше понимать внутренние процессы при работе с данными и быть более уверенными в решении сложных задач
3
Хотите систематизировать и углубить свои знания и освежить в памяти университетский курс
4
Стремитесь повысить свой профессиональный уровень и приобрести конкурентное преимущество на рынке труда
5
Чему вы научитесь [?]
Разбираться в базовых разделах математического анализа и линейной алгебры
Оперировать математическими нотациями и формулами
Решать простые задачи из высшей математики
ПРОГРАММА КУРСА ://
УРОКИ:
1. Элементарные функции и основные определения
2. Простейшие пределы и некоторые связанные приемы
3. Непрерывность и дифференцируемость
4. Оптимизация функций одной переменной
1. Элементарные функции и основные определения
2. Простейшие пределы и некоторые связанные приемы
3. Непрерывность и дифференцируемость
4. Оптимизация функций одной переменной
УРОКИ:
1. Введение в линейную алгебру. Матрицы, векторы и системы линейных уравнений.
2. Матрицы и векторы в пространстве. Линейная зависимость и линейная оболочка.
3. Симметричные и диагональные матрицы. Нормы векторов и матриц.
4. Спектральное и сингулярное разложение матриц. Квадратичные формы и критерий Сильвестра
1. Введение в линейную алгебру. Матрицы, векторы и системы линейных уравнений.
2. Матрицы и векторы в пространстве. Линейная зависимость и линейная оболочка.
3. Симметричные и диагональные матрицы. Нормы векторов и матриц.
4. Спектральное и сингулярное разложение матриц. Квадратичные формы и критерий Сильвестра
УРОКИ:
1. Функции нескольких переменных
2. Вектор-градиент, матрица Гессе
3. Оптимизация функции нескольких переменных
4. Условная оптимизация, часть 1
5. Условная оптимизация, часть 2
6. Ряд Тейлора и Маклорена
1. Функции нескольких переменных
2. Вектор-градиент, матрица Гессе
3. Оптимизация функции нескольких переменных
4. Условная оптимизация, часть 1
5. Условная оптимизация, часть 2
6. Ряд Тейлора и Маклорена
УРОКИ:
1. Элементарные функции и основные определения
2. Простейшие пределы и некоторые связанные приемы
3. Непрерывность и дифференцируемость
4. Оптимизация функций одной переменной
1. Элементарные функции и основные определения
2. Простейшие пределы и некоторые связанные приемы
3. Непрерывность и дифференцируемость
4. Оптимизация функций одной переменной
УРОКИ:
1. Введение в линейную алгебру. Матрицы, векторы и системы линейных уравнений.
2. Матрицы и векторы в пространстве. Линейная зависимость и линейная оболочка.
3. Симметричные и диагональные матрицы. Нормы векторов и матриц.
4. Спектральное и сингулярное разложение матриц. Квадратичные формы и критерий Сильвестра
1. Введение в линейную алгебру. Матрицы, векторы и системы линейных уравнений.
2. Матрицы и векторы в пространстве. Линейная зависимость и линейная оболочка.
3. Симметричные и диагональные матрицы. Нормы векторов и матриц.
4. Спектральное и сингулярное разложение матриц. Квадратичные формы и критерий Сильвестра
УРОКИ:
1. Функции нескольких переменных
2. Вектор-градиент, матрица Гессе
3. Оптимизация функции нескольких переменных
4. Условная оптимизация, часть 1
5. Условная оптимизация, часть 2
6. Ряд Тейлора и Маклорена
1. Функции нескольких переменных
2. Вектор-градиент, матрица Гессе
3. Оптимизация функции нескольких переменных
4. Условная оптимизация, часть 1
5. Условная оптимизация, часть 2
6. Ряд Тейлора и Маклорена
НАЧНИТЕ УЧИТЬСЯ СЕЙЧАС АБСОЛЮТНО БЕСПЛАТНО
Получите доступ к удобной образовательной платформе с реальной инфраструктурой и рабочими инструментами.
Для доступа к курсу необходимо зарегистрироваться на нашей образовательной платформе. Если у вас уже есть учётная запись, можно использовать её.
Что ещё изучать,
чтобы стать профессионалом в Data Science? Вам подойдут другие наши программы:
Подойдет всем, кто хочет освоить машинное обучение с нуля и поменять карьерный трек
Подойдет тем, кто владеет базой в анализе данных и хочет получить прикладной опыт в аналитике, ML или AI
Для тех, кто хочет получить все hard skills аналитика данных и закрепить их на практике
Для тех, кто хочет получить опыт практической работы над реальными бизнес-задачами
Подойдет тем, кто хочет освоить процесс A/B-тестирования от А до Я
ЗАДАТЬ ВОПРОС
Мы свяжемся с вами и ответим на все ваши вопросы по курсу.
НЕРСЕС БАГИЯН
Руководитель направления продвинутой аналитики в Raiffeisen CIB. Преподаватель машинного обучения на Факультете компьютерных наук Высшей школы экономики (ФКН НИУ ВШЭ). Выпускник школы анализа данных от Яндекса.
Ранее прошёл путь от стажера до старшего аналитика в Яндекс. Маркете за 2 года
Ранее прошёл путь от стажера до старшего аналитика в Яндекс. Маркете за 2 года
АЛЕКСЕЙ БИРШЕРТ
Занимается построением моделей динамического ценообразования в корпоративно-инвестиционном подразделении Райффайзенбанка.
Ранее работал в научной лаборатории при ФКН НИУ ВШЭ. Как научный сотрудник занимался исследованиями на тему анализа естественного языка и мультиязычных языковых моделей.
Модуль:
Ранее работал в научной лаборатории при ФКН НИУ ВШЭ. Как научный сотрудник занимался исследованиями на тему анализа естественного языка и мультиязычных языковых моделей.
Модуль:
ЭМИЛЬ КАЮМОВ
Отвечает за рекомендации и прогнозы для задач эффективности Яндекс.Еды. Ранее запускал рекомендации и прогнозы времени доставки в Яндекс. Лавке, занимался задачами продукта Яндекс.Такси.
Преподавал машинное обучение в ВШЭ и организовывал тренировки по машинному обучению.
Преподавал машинное обучение в ВШЭ и организовывал тренировки по машинному обучению.
Модуль:
Авторы курса >
НЕРСЕС БАГИЯН
Head of DS в Raiffeisen CIB
АЛЕКСЕЙ КОЖАРИН
Backend-разработчик в Яндекс. Диск
Никита Табакаев
Аналитик в Raiffeisen CIB
Алексей Биршерт
Аналитик в Raiffeisen CIB
ЭМИЛЬ КАЮМОВ
Head of ML Яндекс Еда
Machine learning engineer
Модуль:
Работа с командой DWH и обработка больших данных
Читать подробнее →
Head of DS в Raiffeisen CIB
НЕРСЕС БАГИЯН
FAQ
Мы делали курс так, чтобы курс могли пройти даже те студенты, которые помнят только школьный уровень математики.
Для курса вам понадобится только ручка и бумага или любой удобный инструмент, чтобы считать или фиксировать заметки. Ничего дополнительно устанавливать на свой компьютер не нужно.
Все зависит от вас! Лекции длятся от 20 до 40 минут.
В наших платных курсах для начинающих — «Start ML» и «Аналитик данных» — есть соответствующие блоки. Курс по математике нужен в том числе для того, чтобы обучаться на наших платных программах было проще, поэтому мы не дублировали информацию из них.
Также вы можете прокачаться в статистике на бесплатном курсе на Stepic от Анатолия Карпова.
Также вы можете прокачаться в статистике на бесплатном курсе на Stepic от Анатолия Карпова.
Преподаватели курса работают в топовых компаниях в роли ml-инженеров. А еще — у них есть опыт преподавания в крупных ВУЗах РФ — НИУ ВШЭ и МФТИ.
Во время обучения вполне нормально «застрять» на каком-то задании. На этот случай у нас есть коммьюнити студентов курса в discord, с помощью которого вы сможете разобраться со сложной задачкой.
Да, мы вы сможете зафиксировать свой прогресс в любой момент прохождения курса.
Мы делали курс так, чтобы курс могли пройти даже те студенты, которые помнят только школьный уровень математики.
Для курса вам понадобится только ручка и бумага или любой удобный инструмент, чтобы считать или фиксировать заметки. Ничего дополнительно устанавливать на свой компьютер не нужно.
Все зависит от вас! Лекции длятся от 20 до 40 минут.
В наших платных курсах для начинающих — «Start ML» и «Аналитик данных» — есть соответствующие блоки. Курс по математике нужен в том числе для того, чтобы обучаться на наших платных программах было проще, поэтому мы не дублировали информацию из них.
Также вы можете прокачаться в статистике на бесплатном курсе на Stepic от Анатолия Карпова.
Также вы можете прокачаться в статистике на бесплатном курсе на Stepic от Анатолия Карпова.
Преподаватели курса работают в топовых компаниях в роли ml-инженеров. А еще — у них есть опыт преподавания в крупных ВУЗах РФ — НИУ ВШЭ и МФТИ.
Во время обучения вполне нормально «застрять» на каком-то задании. На этот случай у нас есть коммьюнити студентов курса в discord, с помощью которого вы сможете разобраться со сложной задачкой.
Да, мы выдаём именной сертификат с подписями преподавателей курса. В нем будет отражен ваш прогресс.