Название: Математика для Data Science
Автор: Михаил Миронов, Екатерина Минеева
Язык: Русский
Издательство: Издательские решения
Жанр: программирование, разработка, компьютерная литература
Год: 2021
Страниц: 122
Формат: PDF + PNG
Размер: 50.07 Mb
Описание:
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»
Автор: Михаил Миронов, Екатерина Минеева
Язык: Русский
Издательство: Издательские решения
Жанр: программирование, разработка, компьютерная литература
Год: 2021
Страниц: 122
Формат: PDF + PNG
Размер: 50.07 Mb
Описание:
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»
Скачать Математика для Data Science
Все материалы, представленные на нашем сайте, Вы сможете скачать по ссылкам различных бесплатных файлообменников совершенно бесплатно!
Инструкции, поясняющие, как надо качать бесплатно с файлообменников смотреть тут
Регистрация на нашем сайте позволит Вам добавлять свои книги, а также комментировать опубликованные книги, общаться с нашими авторами.
Для этого мы рекомендуем Вам зарегистрироваться либо войти на сайт под своим именем.