• < онлайн-курс >
  • < 16 занятий >
  • < Старт 20.12 >
Сергей Бобровский

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.

Записаться

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

курс подойдет
  • Analysts
  • Developers
  • Technical teachers / Other IT specialist
необходимые знания
  • 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)

Записаться на курс
Ярослав Слипчук

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].

Показать всю программу свернуть программу
    • 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

Регистрируясь, вы соглашаетесь с условиями
договора-оферты и политикой конфиденциальности.

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.