Онлайн-курс

Прикладная математика и статистика для Data Science

Сергей Бобровский

Data Scientist в отделении AI Platforms в Airbus

читать дальше
Дата: 06.06 - 28.07
Длительность:

16 онлайн-занятий

 

[по понедельникам и четвергам]

Практический курс о том, как принимать правильные решения на основе данных, находить закономерности, проверять гипотезы и делать прогнозы даже в условиях неопределенности.

Курс подойдет:
Analyst / Data Scientist (beginner)

На курсе вы заложите фундамент математического мышления, научитесь проводить регрессионный анализ, применять точечную и интервальную оценку, распределение и статистические модели для решения рабочих задач.

Developers

Вы научитесь использовать библиотеки Python для анализа и визуализации данных. Будете решать задачи прогнозирования и классификации при помощи математических формул и аналитики.

Other IT specialist / Technical students

По итогам курса вы научитесь структурно работать с большим объемом данных, получите основательный математический бэкграунд и усилите свои компетенции.

О курсе:

Без фундаментальных знаний по математике и статистике не получится проанализировать данные, обучить модель, найти закономерности или предсказать что-то новое.

Поэтому на курсе мы начнем с основ линейной алгебры и теории множеств, изучим базовые опции библиотек NumPy, Pandas, MatPlotLib, Seaborn и Plotly. Затем углубимся в теорию вероятности и методы распределения данных. Будем применять точечную и интервальную оценку, проверять статистические гипотезы, строить регрессии и делать прогнозы.

В результате ― будете принимать правильные решения на основе анализа данных и сможете начать путь в Data Science.

Зарегистрироваться
В программу курса входят:
01
СИЛЬНЫЙ КОНТЕНТ

Лектор выстроил программу так, чтобы вы не просто заучивали математические формулы и подходы, а понимали, как устроены процессы анализа и прогнозирования, и сразу же применяли знания на практике.

02
ИНСТРУМЕНТЫ

В процессе обучения вы будете использовать библиотеки NumPy, Pandas, MatPlotLib, Seaborn, Plotly, scikit-learn, scipy.stats.

03
ЗАДАЧИ

Научитесь понимать и применять теорему Байеса, чтобы избегать ложных выводов и правильно рассуждать о вероятности. Будете находить закономерности, валидировать гипотезы, строить линейную и полиномиальную регрессии.

04
КАРЬЕРА

Получите фундаментальные знания по математике, с которыми сможете развиваться в Data Science и понимать алгоритмы машинного обучения. Это откроет перед вами возможности карьерного роста.

Лектор:
Сергей Бобровский
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 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 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
Зарегистрироваться
Программа курса
Регистрация
 
 
 
Регистрируясь, вы соглашаетесь с условиями договора-оферты и политикой конфиденциальности.