Математическая статистика и А‍/‍В тестирование

Поговорим о том, какое место она занимает среди наук о данных. Научимся аккуратно переводить повседневные задачи на язык статистики и выбирать методы для работы с ними.

К концу курса мы научимся грамотно выбирать методы для проверки гипотез, строить доверительные интервалы, а также реализовывать это всё на Python.

Курс длится 6 недель. Каждая неделя содержит видеолекции, тестовые задания и материалы для самостоятельного изучения.

• Python для сложных задач: наука о данных и машинное обучение : пер. с англ., Плас, Дж. Вандер, 2019
• Линейная алгебра, дифференциальное исчисление функций одной переменной : учебник для вузов, Бурмистрова, Е. Б., 2010
• Математический анализ задач естествознания, Зорич, В. А., 2008
• Наглядная математическая статистика : учеб. пособие для вузов, Лагутин, М. Б., 2019

Базовые навыки программирования на языке Python. Математика для анализа данных: теория вероятностей, производные, оптимизация, интегралы, матрицы.

1. Общая схема математической статистики
Научимся разбираться в схемах математической статистики. Придумываем метод моментов, поймем, как распределено среднее, построим для него доверительный интервал.
2. Свойства статистических оценок
Разберемся со статистическими свойствами оценок, узнаем, как они выглядят на симуляциях. Обсудим, зачем статистики хотят, чтобы их оценки обладали такими свойствами.
3. Доверительные интервалы
Мы изучим асимптотических союзников: ЦПТ и дельта-метод. Поговорим про них, а также про точные доверительные интервалы.
4. Параметрические критерии и проверка гипотез
Узнаем, как математическая статистика помогает отвечать на разные вопросы. Говорим про проверку гипотез.
5. Непараметрические критерии, критерии согласия, бутстрап
Изучим новые схемы статистики – бутстрап, непараметрические критерии и критерии согласия.
6. A/B тестирование
Узнаем, как на практике проверяют разные идеи (А/B-тестирование), а также о том, какие проблемы при этом обычно возникают. Соединяем весь материал, который мы изучили, в единую картину.

• Сможете построить с помощью Python доверительный интервал и проверить гипотезу.
• Разберетесь в теоретических основах математической статистики и научитесь среди большого числа методов выбирать те, которые подходят именно вам.
• Научитесь грамотно выбирать методы для проверки гипотез, строить доверительные интервалы, а также реализовывать это всё на Python.

• Способен работать с информацией из различных источников (ОК-16).
• Использовать основные методы естественнонаучных дисциплин в профессиональной деятельности для теоретического и экспериментального исследования (ПК-19).
• Использовать соответствующий математический аппарат и инструментальные средства для обработки, анализа и систематизации информации по теме исследования (ПК-20).