Get started with custom lists to organize and share courses.

Sign up

Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Математика и Python для анализа данных

Moscow Institute of Physics and Technology via Coursera

5 Reviews 48 students interested
Found in Data Science, Python
  • Provider Coursera
  • Cost Free Online Course (Audit)
  • Session In progress
  • Language Russian
  • Certificate Paid Certificate Available
  • Start Date
  • Duration 4 weeks long
  • Learn more about MOOCs

Taken this course? Share your experience with other students. Write review

Overview

Анализ данных и машинное обучение существенно опираются на результаты из математического анализа, линейной алгебры, методов оптимизации, теории вероятностей. Без фундаментальных знаний по этим наукам невозможно понимать, как устроены методы анализа данных. Задача этого курса — сформировать такой фундамент. Мы обойдёмся без сложных формул и доказательств и сделаем упор на интерпретации и понимании смысла математических понятий и объектов.

Для успешного применения методов анализа данных нужно уметь программировать. Фактическим стандартом для этого в наши дни является язык Python. В данном курсе мы предлагаем познакомиться с его синтаксисом, а также научиться работать с его основными библиотеками, полезными для анализа данных, например, NumPy, SciPy, Matplotlib и Pandas.

Видео курса разработаны на Python 2. Задания и ноутбуки к ним адаптированы к Python 3.

Syllabus

Введение
-Добро пожаловать! На этой неделе мы начнём осваивать язык Python — один из главных инструментов специалиста в науке о данных, и вспомним кое-что о производных, которые активно используются при настройке моделей машинного обучения.

Библиотеки Python и линейная алгебра
-На этой неделе мы познакомимся с Python-библиотеками, содержащими большое количество полезных инструментов: от быстрых операций с многомерными массивами до визуализации и реализации различных математических методов. Кроме того, мы освоим линейную алгебру — основной математический аппарат для работы с данными: в большинстве задач данные можно представить в виде векторов или матриц.

Оптимизация и матричные разложения
-На этой неделе мы научимся с помощью методов оптимизации находить наилучшие значения параметров системы, чтобы минимизировать затраты или максимизировать точность предсказаний, а также познакомимся с матричными разложениями, которые используются при построении регрессионных моделей, для уменьшения размерности данных, в рекомендательных системах и в анализе текстов.

Случайность
-На этой неделе мы освоим базовые концепции теории вероятностей и статистики, которые необходимы для понимания механизма работы практически всех методов анализа данных. Мы разберёмся с самыми популярными распределениями, узнаем, какие явления ими описываются и какими статистиками оцениваются их параметры, а также научимся строить доверительные интервалы.

Taught by

Евгений Соколов, Эмели Драль, Виктор Кантор and Евгений Рябенко

Help Center

Most commonly asked questions about Coursera Coursera

Reviews for Coursera's Математика и Python для анализа данных
4.2 Based on 5 reviews

  • 5 stars 60%
  • 4 star 20%
  • 3 star 0%
  • 2 star 20%
  • 1 star 0%

Did you take this course? Share your experience with other students.

Write a review
  • 1
Alex I
2.0 3 years ago
Alex completed this course.
1 person found
this review helpful
Was this review helpful to you? Yes
Marina M
4.0 3 years ago
by Marina completed this course.
Was this review helpful to you? Yes
Vladimir S
5.0 3 years ago
by Vladimir completed this course.
Was this review helpful to you? Yes
Icuken I
5.0 3 years ago
by Icuken completed this course.
Was this review helpful to you? Yes
Alexander F
5.0 3 years ago
by Alexander completed this course.
Was this review helpful to you? Yes
  • 1

Class Central

Get personalized course recommendations, track subjects and courses with reminders, and more.

Sign up for free

Never stop learning Never Stop Learning!

Get personalized course recommendations, track subjects and courses with reminders, and more.