Доступно Школа Данных. Введение в Data Science (Александр Крот, Сергей Марин)

  • Описание
  • Отзывы (1)
  1. [​IMG] ​

    Основы Python, математики и статистики для подготовки к профессии Data Scientist и основному курсу Школы Данных. Если Вы хотите изучать машинное обучение и анализ данных, но у Вас не хватает знаний Python и математики, то Вам на этот курс. Мы разберем все, что Вам необходимо знать, чтобы проходить обучение профессии Data Scientist: линейную алгебру, методы оптимизации, статистику и Python
    Количество занятий: 6 занятий
    Формат обучения: онлайн
    Преподаватели: Сергей Марин и Александр Крот


    Программа курса :

    1 занятие - Оптимизация
    • Задачи нелинейного программирования (одномерный и многомерный случай)
    • Задачи с ограничениями-неравествами
    • Критерий оптимальности: теорема Куна-Таккера
    • Различные формы задач линейного программирования
    • Численные методы оптимизация
    2 занятие - Теорвер + Матстатистика
    • Понятие события и вероятности
    • Элементы комбинаторики
    • Основные теоремы в теории вероятности
    • Формула Байеса
    • Случайные величины и их характеристики
    • Предельные теоремы
    • Выборочные распределения
    • Интервальные оценки
    • Статистическая проверка гипотез
    3 занятие - Линейная Алгебра
    • Множества и операции над ними
    • Матрицы и операции над ними (линейные, умножение, транспонирование)
    • Элементарные преобразования матриц (метод Гаусса)
    • Определители и их свойства
    • Получение обратной матрицы
    • Системы линейных алгебраических уравнений
    • Методы разложения матриц
    4 занятие - Python
    • Настройка среды: установка Anaconda
    • Обзор Jupyter Notebook
    • Обзор стандартной библиотеки
    • Типа обьектов и работа с ними
    • Операторы, условные конструкции и циклы
    • Работа с последовательностями, таблицами
    • Алгоритмическая сложность
    • Основные структуры данных
    • Основные алгоритмы Computer Science
    • Библиотеки для анализа данных: numpy, scipy, pandas, scikit-learn, matplotlib, seaborn
    5 занятие - Social Network Analysis
    • Введение в анализ графов
    • Основные понятия теории графов
    • Алгоритмы обхода графов
    • Продвинутые алгоритмы на графах
    • Выделение лидеров мнений в сетях
    • Обзор инструментов для работы с графами - библиотека networkx
    6 занятие - Работа с текстовыми данными
    • Обзор современных задач обработки естесственного языка
    • Обзор подходов к анализу текстов
    • Работа с текстовыми данными в Python
    • Извлечение сущностей из текста (Named Entity Recognition)
    • Классификация текстов, определение (Sentiment Analysis)

     
    Последнее редактирование модератором: 1 май 2023
    6 окт 2017
  2. Похожие складчины
    Загрузка...