Математика и Python для анализа данных

About this course: Анализ данных и машинное обучение существенно опираются на результаты из математического анализа, линейной алгебры, методов оптимизации, теории вероятностей. Без фундаментальных знаний по этим наукам невозможно понимать, как устроены методы анализа данных. Данный курс направлен на то, чтобы сформировать этот фундамент. Мы обойдёмся без сложных формул и доказательств и сделаем упор на интерпретации и понимании смысла математических понятий и объектов. 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. В этом курсе вы познакомитесь с фундаментальными математическими понятиями, необходимыми для анализа данных, и получите начальный навык программирования на Python. Курс состоит из двух больших частей. Первая часть курса – практическая, она посвящена языку программирования Python. Вы познакомитесь с синтаксисом и идеологией языка, научитесь писать простые программы. Также вы узнаете о библиотеках, которые часто применяются на практике для анализе данных, например, NumPy, SciPy, Matplotlib и Pandas. Вторая часть курса посвящена таким разделам математики как линейная алгебра, математический анализ, методы оптимизации и теория вероятностей. При этом, упор делается на разъяснение математических понятий и их применение на практике, а не на вывод сложных формул и доказательство теорем.

Who is this class for: Этот курс предназначен в первую очередь для тех, кто уже имеет техническое образование, но либо достаточно давно имел дело с аппаратом математического анализа, линейной алгебры, методов оптимизации, теории вероятностей и математической статистики, либо в свое время не смог в полной мере проникнуться красотой и практической полезностью этих областей математики. Вспомнить уже забытое или ближе познакомиться с тем, что с первого раза не показалось таким уж захватывающим, - крайне важно для понимания методов машинного обучения, ведь всё в машинном обучении делается на языке математики. Мы постарались сделать это напоминание или новое знакомство максимально приближенным к тем задачам, которые будут рассматриваться в следующих курсах. Освобождая изложение от громоздких формализмов и используя простые аналогии, мы, однако, столкнулись с тем, что какие-то вопросы получилось осветить не настолько подробно, чтобы с помощью наших лекций можно было познакомиться с высшей математикой впервые. В этом случае будет очень полезно вместе с прохождением курса обратиться к изучению материалов из списка литературы.

Created by:   Moscow Institute of Physics and Technology

• Taught by:    Евгений Рябенко, кандидат физико-математических наук, доцент

  факультет управления и прикладной математики

• Taught by:    Евгений Соколов, преподаватель, руководитель исследовательской группы

  Yandex Data Factory

• Taught by:    Виктор Кантор, преподаватель, руководитель исследовательской группы

  Yandex Data Factory

• Taught by:    Эмели Драль, преподаватель, руководитель исследовательской группы

  Yandex Data Factory

Basic Info Course 1 of 6 in the Машинное обучение и анализ данных Specialization. Language Russian How To Pass Pass all graded assignments to complete the course. User Ratings 4.8 stars Average User Rating 4.8See all 127 reviews Course 1 of Specialization Машинное обучение и анализ данных. Освойте науку о данных и научитесь решать с помощью ее методов прикладные задачи Машинное обучение и анализ данных Moscow Institute of Physics and Technology Learn More Coursework

Each course is like an interactive textbook, featuring pre-recorded videos, quizzes and projects.

Help from your peers

Connect with thousands of other learners and debate ideas, discuss course material, and get help mastering concepts.

Certificates

Earn official recognition for your work, and share your success with friends, colleagues, and employers.

About Moscow Institute of Physics and Technology Московский физико-технический институт (неофициально известный как МФТИ или Физтех) является одним из самых престижных в мире учебных и научно-исследовательских институтов. Он готовит высококвалифицированных специалистов в области теоретической и прикладной физики, прикладной математики, информатики, биотехнологии и смежных дисциплин. Физтех был основан в 1951 году Нобелевской премии лауреатами Петром Капицей, Николаем Семеновым, Левом Ландау и Сергеем Христиановичем. Основой образования в МФТИ является уникальная «система Физтеха»: кропотливое воспитание и отбор самых талантливых абитуриентов, фундаментальное образование высшего класса и раннее вовлечение студентов в реальную научно-исследовательскую работу. Среди выпускников МФТИ есть Нобелевские лауреаты, основатели всемирно известных компаний, известные космонавты, изобретатели, инженеры.

Syllabus


WEEK 1


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. 


18 videos, 8 readings, 4 readings expand
Graded: Установка Python

WEEK 2


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 — осн... 


14 videos, 8 readings, 6 readings expand
Graded: Pandas, Numpy, Scipy, Matplotlib

WEEK 3


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... 


12 videos, 3 readings, 3 readings expand
Graded: Градиент и его применения

WEEK 4


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 ... 


11 videos, 6 readings, 4 readings expand
Graded: Вероятность и случайные величины