Математическая статистика и А‍/‍В тестирование

6 weeks
from 3 to 6 hours per week
2 credit units
Russian language
certificate

Чтобы получить сертификат, необходимо успешно сдать экзамен и в совокупности набрать не менее 40% за все оцениваемые элементы курса. Сдача экзамена с асинхронным прокторингом будет доступна сразу после оплаты курса. В течение месяца со дня сдачи ваш экзамен будет верифицирован, и по нему будет выпущен сертификат. Сертификат будет доступен в личном кабинете (вкладка "Мои курсы").

Cost of assessment procedures with identity verification - 3600 RUB

Национальный исследовательский университет «Высшая школа экономики»

Оценка курса: ⭐️ 4.6

В курсе "Математическая статистика и А‍/‍В тестирование" мы рассмотрим данные через призму математической статистики.

Курс является частью специализации "Машинное обучение: от статистики до нейросетей", состоящей из семи курсов: "Математическая статистика и А‍/‍В тестирование", "Основы машинного обучения (вводный курс)", "Сбор и анализ данных в Python", "Статистические методы анализа данных", "Продвинутые методы машинного обучения", "Основы глубинного обучения" и "Продвинутые методы глубинного обучения".

About the course

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.

Instructors

Format

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

Information resources

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

Requirements

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

Course program

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.

Learning outcomes

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.

Competencies developed

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).