Вы освоите основные разделы высшей математики, необходимые для успешной работы в Data Science: математический анализ, линейную алгебру, теорию вероятности и статистику. После курса вы будете готовы к изучению машинного обучения.
Для поступления на курс достаточно знать математику на школьном уровне.
Знакомство с высшей математикой будет плюсом, но необязательно.
Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.
Программа обучения
1 Математический анализ
- Введение
- Теория пределов
- Теория пределов. Часть II
- Непрерывность и Дифференцируемость функции
- Первая производная
- Вторая производная
- Оптимизация функции (одной переменной)
- Теория Рядов
- Теория Рядов. Часть II
- Формула Тейлора
- Неопределенное интегрирование
- Определенное интегрирование
- Несобственные интегралы
- Функции 2-хпеременных
2 Линейная алгебра
- Матрицы и элементарные операции
- Линейная зависимость
- Определитель
- Обратная матрица
- СЛАУ
- Векторная алгебра
- Диагонализация матрицы
- Диагонализация матрицы
- MidTerm
3 Теория Вероятностей
- Случайные события
- Случайные величины
- Основные законы распределения
- Основные законы распределения. Часть II
- Условные распределения
- Точечные оценки и их свойства
- Выборочные характеристики. Интервальные оценки
- Проверка гипотез
- Проверка гипотез. Часть II
- Регрессии
- Регрессии. Часть II
