О курсе
На курсе вы научитесь строить основные модели обучения с учителем и без, а также ансамбли моделей. Узнаете, как подбирать метрики для оценки качества модели, итерационно повышать его и бороться с переобучением. Для обучения необходим начальный уровень знания Python, а также библиотек: NumPy, SciPy, Matplotlib
Кому подойдет
специалистам по Data Science, аналитикам данных
Начало занятий
Начало курса:уточняйте на сайте школы
Длительность курса:6 недель
Формат обучения и учебные материалы
видеолекции и практические задания
Вы научитесь
Проверять векторы на линейную зависимость.
Вычислять математическое ожидание и дисперсию дискретной случайной величины.
Использовать формулу Байеса для вычисления апостериорной вероятности.
Использовать закон больших чисел для оценки математического ожидания.
Производить матричные разложения.
Вычислять производную функции нескольких аргументов.
Использовать различные методы оптимизации для поиска локального минимума функции.
Решать системы линейных уравнений в матричной форме.
Вычислять собственные векторы и числа для матрицы.
Программа курса
Линейная алгебра
Математический анализ
Теория вероятности
Особенности обучения в школе
Разбор теории и закрепление на практике
Удостоверение о повышении квалификации
Помощь в обучении от координатора и наставников
Помощь с составлением резюме и поиском работы
