Математика для анализа данных. Часть 2

133 участника

О чём курс

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.

Программа обучения

  • Дискретная математика
    • Теория множеств
    • Комбинаторные объекты и свойства
    • Решение комбинаторных задач
  • Математический анализ
    • Пределы
    • Производные
    • Интегралы
    • Аппарат минимизации значений функций
  • Линейная алгебра и аналитическая геометрия
    • Векторная алгебра
    • Операции над векторами и матрицами
    • Векторные пространства
    • Применение линейной алгебры в анализе данных
  • Теория вероятностей
    • Основы теории
    • Случайные величины
    • Математическое ожидание и дисперсия
    • Нормальное распределение
  • Математическая статистика и элементы аналитики
    • Статистический анализ данных
    • Формулирование и проверка гипотез
    • Корреляционный анализ
Складчина создана 2 октября 2020 г. · описание обновлено 23 марта 2026 г.

Другие материалы школы 11

М МФТИ Все материалы
532 ₽ 32 000 ₽