- < онлайн-курс >
- < 16 занятий >
- < Старт 20.12 >
Сергей Бобровский
Data Scientist в отделении AI Platforms в Airbus
Математика для анализа и прогнозирования
Как принимать правильные решения на основе данных, находить закономерности и проверить гипотезы - узнайте на курсе.
о курсе
Чтобы найти ответы на вопросы в работе с данными, не делая типичных ошибок, следует научиться анализировать проблемы и методы их решения с помощью математики и статистики. Для решения этой задачи, рекомендуется воспользоваться следующей формулой: (25 часов обучения + домашние задания)².
С ее помощью специалист, который умеет успешно обрабатывать данные, но не способен находить закономерности и тенденции, сможет научиться строить и проверять гипотезы, описывать реальные процессы и задачи математическим языком.
- Обучение на реальных задачах современного рынка, а не на примерах из учебника
- Построение и проверка статистических гипотез, работа с регрессионным анализом и предсказаниями
- Защита собственного статистического анализа перед лектором
специализация курса
- Analysts
- Developers
- Technical teachers / Other IT specialist
- знания линейной алгебры и основы интегрального и дифференциального исчисления
- навык написания кода и работа с переменными и структурами данных
20 декабря — 24 февраля
16 занятий (по понедельникам и четвергам)
лектор
Сергей Бобровский
Data Scientist в отделении AI Platforms в Airbus
- занимается разработкой систем искусственного интеллекта для анализа временных рядов из сенсоров в Airbus
- выступает на международных конференциях по искусственному интеллекту в Лондоне (Re•Work Deep Learning Summit), Стокгольме (Nordic Data Science) и Лозанне (Applied Machine Learning Days)
- до этого: на протяжении 3-х лет работал и преподавал физику и космонавтику в отделе развития бизнеса в Центре управления полетами Германского центра авиации и космонавтики (DLR)
- до этого²: 3 года работал в группе теоретической физики Немецкого Электронного Синхротрона (DESY)
- имеет более 5-ти лет опыта анализа данных в различных отраслях: от поиска мошенничества в онлайн-торговле до анализа физических данных на Большом Адронном Коллайдере
- кандидат физико-математических наук Гамбургского университета
Программа
-
- занятие 1
- онлайн 20.12 в 19:00
Python для анализа данных: part 1
Начните знакомство с Python. Научитесь определять структуры данных и проводить операции над ними. Изучите базовые функции Jupyter Notebook. Запустите код в Jupyter Notebook.
-
- занятие 2
- онлайн 23.12 в 19:00
Python для анализа данных: part 2
Подключите библиотеки Python. Научитесь с их помощью упрощать подготовку и обработку данных. Откройте навык [умею оперировать данными при помощи библиотек NumPy и Pandas] и [визуализирую данные с помощью библиотек MatPlotLib и Seaborn].
-
- занятие 3
- онлайн 10.01 в 19:00
Дескриптивная статистика
Узнайте, как применять дескриптивную статистику для описания и визуализации данных. Научитесь применять моду, медиану, среднее значение и среднеквадратическое отклонение для анализа данных. Освойте визуализацию данных с помощью библиотек MatPlotLib, SeaBorn и Plotly.
-
- занятие 4
- онлайн 13.01 в 19:00
Теория множеств
Перейдите к изучению основных понятий теории множеств. Научитесь применять операции над множествами в работе с данными. Используйте диаграммы Венна для анализа проблем. Перейдите к работе с векторами и матрицами при помощи библиотеки NumPy. Освойте чтение математических обозначений для разработки и имплементации алгоритмов.
-
- занятие 5
- онлайн 17.01 в 19:00
Теория вероятности. Введение
Узнайте, в чем состоит разница между вероятностью и статистикой. Освойте разные подходы к определению вероятности. Научитесь решать простые задачи на вероятность. Изучите теорему Байеса, чтобы правильно размышлять о вероятности в повседневной жизни.
-
- занятие 6
- онлайн 20.01 в 19:00
Случайные величины и распределения
Получите доступ к знаниям по темам: распределение, математическое ожидание, дисперсия, ковариация и корреляция. Установите взаимосвязь между распределением и вероятностью. Научитесь анализировать и использовать в работе диаграммы рассеяния для анализа корреляции.
-
- занятие 7
- онлайн 24.01 в 19:00
Зависимость между случайными величинами
Ознакомьтесь с примерами использования распределений, математического ожидания и дисперсии. Разберитесь в том, какая связь между распределением и вероятностью. Узнайте, поможет ли прохождение этого курса увеличить вашу зарплату: разница между корреляцией и причинностью. Научитесь анализировать и использовать в работе диаграммы рассеяния для анализа корреляции.
-
- занятие 8
- онлайн 27.01 в 19:00
Основные распределения
Изучите основные виды распределений: биномиальное распределение, распределение Пуассона, распределение Гаусса. Научитесь их применять. Получите доступ к возможности определять, какое распределение описывает вашу проблему. Начните использовать библиотеку stats.
-
- занятие 9
- онлайн 31.01 в 19:00
Данные. Статистика. Выборка
Разберитесь в том, что такое статистика и какие вопросы она решает?. Изучите методы выборки. Научитесь планировать и выполнять сборку данных. Примените моду, медиану и среднее значение для анализа данных А затем визуализируйте результаты анализа и опишите данные с помощью библиотек MatPlotLib, SeaBorn и Plotly.
-
- занятие 10
- онлайн 03.02 в 19:00
Точечная оценка
Научитесь предсказывать результаты выборов. Изучите понятие точечной оценки. Сделайте первые шаги к интерпретации данных: узнайте, что выборка говорит о настоящем распределении.
-
- занятие 11
- онлайн 07.02 в 19:00
Интервальная оценка
Научитесь правильно предсказывать результаты выборов. Используйте интервальную оценку для определения ошибок при интерпретации данных. Изучите, что такое доверительный интервал, какие бывают его примеры и интерпретации. Постройте доверительный интервал для простой проблемы.
-
- занятие 12
- онлайн 10.02 в 19:00
Проверка статистических гипотез
Перейдите к изучению основных и конкурирующих гипотез. Узнайте, что такое P-значение и как его интерпретировать. Научитесь определять типы ошибок. Сформулируйте статистическую гипотезу. Затем проверьте ее разными методами.
-
- занятие 13
- онлайн 14.02 в 19:00
Анализ качественных данных
Откройте доступ к знаниям о качественных переменных и непараметрических методах. Научитесь анализировать качественные данные. Постройте и проанализируйте таблицы сопряженности. Проверьте адекватность модели c помощью chi-square и библиотеки stats.
-
- занятие 14
- онлайн 17.02 в 19:00
Статистика на практике
Научитесь использовать статистические методы на предприятии. Распознайте возможную ошибку в анализе и откорректируйте ее. Поймите, как проводить поправку при множественной проверке гипотез.
-
- занятие 15
- онлайн 21.02 в 19:00
Регрессионный анализ
Изучите следующие понятия: линейная регрессия, полиномиальная регрессия, метод наименьших квадратов. Сформулируйте проблему для линейной регрессии. Используйте библиотеку ScikitLearn для регрессионного анализа данных. Затем проверьте результат вашего регрессионного анализа на адекватность.
-
- занятие 16
- онлайн 24.02 в 19:00
Логистическая регрессия. Введение в машинное обучение
Познакомьтесь с основами статистического обучения. Научитесь решать проблемы классификации с помощью логистической регрессии. Используйте ScikitLearn. Научитесь применять перекрестную проверку. И снова используйте ScikitLearn. Затем попробуйте сделать перекрестную проверку вручную.
регистрация
после курса вы сможете:
-
1
python-библиотеки
сможете работать с основными библиотеками Python для обработки, анализа и визуализации данных
-
2
построение гипотез
сможете строить и проверять статистические гипотезы
-
3
решение задач прогнозирования и классификации
научитесь решать задачи при помощи основных математических методов аналитики данных
What if … :
- 1. ... курс не понравился — можно вернуть деньги.
- 2. ... не подходит график занятий — уточните, когда будет следующий поток.
- 3. ... вы пропустили занятия — сохраняется запись.