В этом онлайн-курсе НИУ ВШЭ мы поговорим про статистические методы анализа данных. Мы подробно обсудим, как статистика связана с машинным обучением и какое место она занимает среди наук о данных. Поговорим о том, что есть два великих вопроса: "Как устроен мир?" и "Что будет дальше?". В зависимости от того, на какой вопрос мы ищем ответ, мы должны использовать разные методы.
Мы изучим метод максимального правдоподобия, поговорим про статистические свойства различных функций потерь. Поговорим о линейной регрессии и временных рядах. В конце курса мы обсудим байесовский подход к статистике и выясним, чем он отличается от частотного.
Курс состоит из 5 недель. Каждая включает в себя несколько коротких видеолекций (суммарная продолжительность – от 60 до 100 минут), тест на знание теоретического материала (5 – 15 вопросов), тренировочные задания на программирование и материалы для самостоятельного изучения.
Мы рекомендуем вам изучить:
1 - Метод максимального правдоподобия
2 - Статистический взгляд на линейные модели: прогнозы и интерпретация
3 - Временные ряды - начало
4 - Временные ряды - продолжение
5 - Байесовские методы
По результатм курса вы научитесь работать с временными рядами и простейшими байесовскими моделями, а также использовать метод максимального правдоподобия для оценки параметров в любых моделях.
Данный курс позволяет освоить следующие компетенции в соответствии с Рекомендациями к дополнительным профессиональным программам ИТ-профиля, реализуемым в рамках проекта «Цифровые кафедры» университета–участника программы стратегического академического лидерства «Приоритет-2030»:
Сфера: Искусственный интеллект и машинное обучение
Компетенция: Применяет математический аппарат для решения задач по оценке и разработки моделей
Уровень: Продвинутый
Сфера: Искусственный интеллект и машинное обучение
Компетенция: Использует программные и технические средства для визуализации больших данных
Уровень: Продвинутый
Сфера: Искусственный интеллект и машинное обучение
Компетенция: Осуществляет сбор и подготовку данных для обучения моделей искусственного интеллекта
Уровень: Продвинутый
Position: Приглашенный преподаватель Департамента больших данных и информационного поиска, Факультет компьютерных наук