16 онлайн-занятий
[каждый понедельник и четверг]
Практический курс о том, как принимать правильные решения на основе данных, находить закономерности, проверять гипотезы и делать прогнозы даже в условиях неопределенности.
Язык курса — русский
На курсе вы заложите фундамент математического мышления, научитесь проводить регрессионный анализ, применять точечную и интервальную оценку, распределение и статистические модели для решения рабочих задач.
Вы научитесь использовать библиотеки Python для анализа и визуализации данных. Будете решать задачи прогнозирования и классификации при помощи математических формул и аналитики.
По итогам курса вы научитесь структурно работать с большим объемом данных, получите основательный математический бэкграунд и усилите свои компетенции.
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.
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.
В процессе обучения вы будете использовать библиотеки NumPy, Pandas, MatPlotLib, Seaborn, Plotly, scikit-learn, scipy.stats.
Будете находить закономерности, валидировать гипотезы, строить линейную и полиномиальную регрессию. По каждому домашнему заданию вы будете получать фидбек от методиста Виктории Дворник - Data Scientist в Epam. Также мы предусмотрели сессии по разбору домашнего задания с лектором на онлайн занятиях, где вы сможете задать вопросы и получить ответы на них.
Получите фундаментальные знания по математике, с которыми сможете развиваться в Data Science и понимать алгоритмы машинного обучения. Это откроет перед вами возможности карьерного роста.