Здравствуйте! Вы находитесь на странице материала «Математика для Data Science». Если вы искали в поисковых системах Яндекс поиск или Google Search новость под названием Математика для Data Science или скачать бесплатно Математика для Data Science, то вы попали по адресу. Наш сайт предлагает вам ознакомиться с этим материалом бесплатно. Так же вы можете ознакомиться с похожими материалами из категории «Книги»
Вместе с материалом Книги «Математика для Data Science» также ищут:
Разберитесь, как работают технологии машинного обучения, и научитесь пользоваться ими осознанно.
Математика для DS - программа из 3-х курсов, которая поможет:
1. Разобраться в теории
Вы любите доходить до самой сути всего, что делаете. Вам интересно, что стоит за теми алгоритмами, которые вы применяете.
2. Подготовиться к собеседованию
Вы хотите работать в сфере Data Science и боитесь каверзных вопросов на собеседованиях? Не зря боитесь.
3. Читать научные статьи
Статьи по Data Science часто несложные по сути – но без определенной математической базы их сложно читать.
4. Полюбить математику
Мы любим математику и хотим показать вам, как она красива.
Содержание:
Блок 1 - Математический анализ.
Модуль 1 - Одномерный математический анализ:
- Зачем в машинном обучении нужен математический анализ
- Множества и функции
- Пределы последовательностей
- Пределы функций и непрерывные функции
- Производные
- Одномерный градиентный спуск
Модуль 2 - Многомерный математический анализ:
- R^n: расстояния и векторы
- Дифференциал и частные производные
- Производная по направлению и градиент
- Градиентный спуск
- Модификации градиентного спуска (Momentum, RMSProp, Adam)
Блок 2 - Линейная алгебра.
Модуль 1 - Линейная алгебра:
- Векторные пространства и линейные отображения
- Матрицы
- Нейронные сети
- Подпространства, базис, размерность
- Ранг матрицы и метод Гаусса
Модуль 2 - Линейная алгебра продолжение:
- Определитель, обратные матрицы, замена базиса
- Скалярное произведение, углы, расстояния
- Ортогональные матрицы
- Матричные разложения
- Собственные векторы и SVD
- Backpropagation
Блок 3 - Теория вероятностей.
Модуль 1 - Дискретная теория вероятностей:
- Вероятностное пространство, события, исходы
- Равновероятные исходы
- Условная вероятность, независимые события, теорема Байеса
- Перестановки и биномиальные коэффициенты
- Дискретная случайная величина, распределение, математическое ожидание, дисперсия
- Ряды и счётное пространство исходов
Модуль 2 - Непрерывная теория вероятностей:
- Интеграл и непрерывное пространство исходов.
- Непрерывная случайная величина, распределение, плотность распределения, математическое ожидание, дисперсия
- Закон больших чисел
- Центральная предельная теорема
- Основы статистики: статистические тесты
Тариф «Перельман»
Название: Математика для Data Science
Год: 2021
Автор: Михаил Миронов, Екатерина Минеева
Издательство: Издательские решения
Жанр: программирование, разработка, компьютерная литература
Количество страниц: 122
Формат: PDF + PNG
Язык: Русский
Размер: 50.07 Mb
Скачать Математика для Data Science
|
