Математика для анализа данных. Часть 2

Для работы в Data Science не нужны все разделы математики — этот курс фокусируется на базе, которая необходима для входа в профессию и понимания моделей машинного обучения. Преподаватели из МФТИ, работающие в Data Science-подразделениях Яндекса и Сбербанка, объясняют фундаментальные темы через призму практических задач.

Внутри разбираются пять ключевых блоков:

• Теория множеств и комбинаторика для решения задач на алгоритмических собеседованиях.
• Дифференциальное и интегральное исчисление, включая методы минимизации функций, на которых строится обучение нейросетей.
• Линейная алгебра и геометрическая интуиция векторных пространств для работы с матрицами и данными.
• Основы теории вероятностей и работа со случайными величинами, которые лежат в базе большинства алгоритмов.
• Статистический анализ для формулирования гипотез, поиска закономерностей и проведения корреляционного анализа.

Курс предназначен для тех, кто планирует развиваться в Data Science и хочет освоить математический аппарат, необходимый для построения и обучения моделей.