Математика и Python для анализа данных
Moscow Institute of Physics and Technology via Coursera
Social Learning for Open Courses
Join one of our cohorts to learn from instructors, experts, or each other with weekly live streams.
-
freeCodeCamp
Free Web Development BootcampThis six-week bootcamp with weekly live streams is led by technologist Jessica Rose and built around freeCodeCamp's Responsive Web Design Certification. You'll learn HTML, CSS, and accessible and responsive web design.
Jan 10, 20227182 enrolled
-
freeCodeCamp
Free JavaScript BootcampThis six-week bootcamp with weekly live streams is led by software engineer Ramón Huidobro and built around freeCodeCamp’s JavaScript Certification. You’ll learn JavaScript, algorithms and data structures, and object-oriented programming
Jan 10, 20229617 enrolled
Overview
Class Central Tips
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
Related Courses
Reviews
4.0 rating, based on 4 reviews
-
Alex Ivanov
28Alex Ivanov completed this course.
-
Marina completed this course.
-
Alexander Filev completed this course.
-
Icuken Icukenovitch completed this course.
Never Stop Learning!
