Математика для анализа данных

За каждой стандартной моделью и конструкцией в Data Science стоит математика. Если вы хотите работать с данными на серьезном уровне и понимать, как устроены методы машинного обучения, то знание математических основ вам просто необходимо. 

В этой специализации мы изучим широкий спектр математических инструментов и рассмотрим некоторые их приложения к анализу данных. Будут рассмотрены такие важные разделы математики, как дискретная математика, линейная алгебра, математический анализ и теория вероятностей. Материалы курсов разработаны с учетом современного состояния Data Science и покрывают все темы, необходимые для для дальнейшего развития в данном направлении. Чтобы сделать обучение более практико-ориентированным, мы сопровождаем лекции примерами и задачами, возникающими при реальной работе с данными, и показываем, как решать подобные задачи с помощью Python.

Обучение проходит на внутренней платформе НИУ ВШЭ.

Курсы рекомендуется проходить в том порядке, в котором они представлены на платформе. Каждый из них в той или иной мере использует материал, изученный в  предыдущих курсах.

Помимо лекций и теоретических заданий, в специализацию включены также практические задания на Python и проекты, которые позволят слушателю применить полученные в предлагаемых курсах знания для решения задач, близких к анализу данных. Некоторые задания на программирование построены на реальных данных и дают представление о простых решениях прикладных задач. 

1. Дискретная математика: подсчеты, графы, случайные блуждания
2. Линейная алгебра: от идеи к формуле
3. Теория вероятностей и ее приложения
4. Математический анализ для работы с данными

Вы научитесь: 

• Работать с наиболее распространенными источниками данных
• Уверенно работать с командной строкой в Linux
• Разрабатывать и запускать алгоритмы на платформах Hadoop и Spark
• Организовывать процесс разметки собранных данных