Продолжительность курса: 104 ак. ч.

Описание курса:
Курс «Математика для анализа данных» для тех, кто хочет развиваться в аналитике и Data Science.
• Вы погрузитесь в линейную алгебру и математический анализ;
• научитесь корректно применять статистические тесты;
• раз и навсегда разберётесь в теории вероятностей;
• поймёте, как и в каком направлении развивать карьеру.

Аудитория:
• Начинающие аналитики
• Начинающие специалисты по Data Science
• Текущие программисты и аналитики, которые хотят повысить уровень или перейти в новую область
• Выпускники и студенты курсов по анализу данных

Необходимая подготовка:
Не требуется

Программа курса:
Модуль 1. Школьная математика
• Начала теории множеств.
• Геометрическая прогрессия. Векторы.
• Теория вероятностей. Рациональные уравнения.
• Алгебраические уравнения.
• Иррациональные уравнения. Графический способ решения систем.
• Неравенства.
• Функции, график и свойства.
• Графики функций и их преобразования.
• Производная, исследование функций.
• Исследование функций. Интеграл.

Модуль 2. Математический анализ
• Числовые последовательности.
• Предел числовой функции.
• Непрерывность числовой функции.
• Дифференцируемость числовой функции.
• Основные теоремы дифференциального исчисления.
• Другие вопросы дифференциального исчисления.
• Функции многих переменных.
• Дифференцируемость функций многих переменных.
• Интеграл Римана.
• Вопросы интегрального исчисления.
• Ряды.
• Теория меры и интеграла Лебега.

Модуль 3. Линейная алгебра
• Матрицы и операции над ними.
• Определитель матрицы. Разложения определителя.
• Обратная матрица, ее явный вид.
• Матричные перемножения.
• Однородные и неоднородные системы линейных уравнений – геометрический подход.
• Линейная зависимость в векторном пространстве.
• Комплексные числа.
• Линейные отображения (операторы).
• Собственные значения и собственные векторы линейных отображений.
• Евклидовы пространства.
• Отображения в евклидовых пространствах.
• Билинейные формы

Модуль 4. Комбинаторика
• Правила комбинаторики.
• Множества.
• Сочетания.

Модуль 5. Теория вероятностей и математическая статистика
• Случайные события.
• Случайные величины.
• Совместное распределение, условное распределение.
• Математическое ожидание, дисперсия, корреляция.
• Основные законы распределения.
• Моделирование случайных величин.
• Точечные оценки и их свойства.
• Интервальные оценки.
• Проверка гипотез.
• Проверка гипотез при A/B тестировании.
• Исследование зависимостей.
• Регрессии.

Модуль 6. Машинное обучение
• Word2vec.
• Градиентный спуск.
• Backpropagation.
• Случайный лес.
• Классификация наблюдений: логистическая и пробит регрессии.
• Метод ближайших соседей (KNN).
• Классификация наблюдений: байесовский классификатор.

Окончательная цена указывается в договоре на обучение. Записаться на курс