Математика для Data Science. 3 часть. Методы оптимизации и алгоритмы анализа данных

4.1

40 ак.ч.

Сложность

Продвинутый

Тип обучения

Курс

Формат обучения

С проверкой домашнего задания

Трудоустройство

Помощь от школы

Сертификат

Есть

Стоимость курса

32 490 ₽

Есть рассрочка

Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Для успешной работы в этой области необходимы знания разделов высшей математики, таких как теория вероятности и математическая статистика.

Цель курса: основные разделы методов оптимизации и алгоритмов анализа данных, необходимые для успешного применения в области Data Science.

Курс рекомендован начинающим специалистам в области Data Science. По окончании курса Вы сможете использовать полученные знания по методам оптимизации и алгоритмам анализа данных для старта в области Data Science.

Вы научитесь:
использовать полученные знания по методам оптимизации и алгоритмам анализа данных для старта в области Data Science.

Что вы получите после обучения

Навыки

Data Science

Алгоритм анализа данных

Методы оптимизации

Сертификат

Школа

Специалист

4.1

655 отзывов

Ведущий компьютерный учебный центр России с высочайшим уровнем качества обучения, сервиса и организации учебного процесса
Лучший учебный центр авторизованный Microsoft в России, Центральной и Восточной Европе в 2011-2014 гг
Центр «Специалист» — первый в России авторизованный учебный центр по обучению Adobe — Adobe Authorised Training Centre
Крупнейший авторизованный учебный центр ведущих IT-компаний мира
С 2012 г. Центр «Специалист» входит в «Круг совершенства EC-Council»

Преподаватели

Шиховцов Вадим Викторович

курсов

Профессиональный преподаватель курсов программирования, сертифицированный разработчик Python Institute с общим стажем работы в сфете IT более 20 лет. С нуля ыстроил ИТ системы в 4 компаниях. Преподавательской деятельностью занимается более 5 лет.

Вадим Викторович окончил в 2000 году РГГУ по специализации «Информатика и вычислительная техника». Настоящий профессионал в вопросах администрирования СУБД, автоматизации бизнес-процессов компаний (ERP, CRM и др.), создании тест-кейсов и обучении сотрудников.

Умеет мотивировать и увлекать. Требователен к своим слушателям, всегда готов разъяснить сложные моменты. Богатый опыт работы над реальными проектами позволяет ему обращать внимание на те детали, которые начинающими разработчиками обычно упускаются из вида.

Программа курса

Модуль 1. Методы оптимизации (16 ак. ч.)

- Основные понятия, определения, предмет
- Непрерывность, гладкость и сходимость ЦФ. Дискретные ЦФ
- Условная и безусловная оптимизация
- Методы однокритериальной оптимизации
- Постановка задачи многокритериальной оптимизации
- Методы многокритериальной оптимизации
- Градиентный спуск
- Стохастические методы оптимизации

Модуль 2. Алгоритмы анализа данных (16 ак. ч.)

- Алгоритм линейной регрессии. Градиентный спуск
- Масштабирование признаков. L1- и L2-регуляризация. Стохастический градиентный спуск
- Логистическая регрессия
- Алгоритм построения дерева решений. Случайный лес
- Градиентный бустинг
- Разбор алгоритма обратного распространения ошибки

Модуль 3. Итоговая работа (8 ак. ч.)

Рейтинг курса

4.1

Может быть интересно

Образовал