About this Course
최근 조회 283,700

다음 전문 분야의 6개 강좌 중 1번째 강좌:

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

초급 단계

완료하는 데 약 28시간 필요

권장: 8 hours/week...

러시아어

자막: 러시아어
User
Course을(를) 수강하는 학습자
  • Geologists
  • Process Analysts
  • Economists
  • Data Analysts
  • Scientists

귀하가 습득할 기술

ScipyStatisticsPython ProgrammingNumpy
User
Course을(를) 수강하는 학습자
  • Geologists
  • Process Analysts
  • Economists
  • Data Analysts
  • Scientists

다음 전문 분야의 6개 강좌 중 1번째 강좌:

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

초급 단계

완료하는 데 약 28시간 필요

권장: 8 hours/week...

러시아어

자막: 러시아어

강의 계획 - 이 강좌에서 배울 내용

1
완료하는 데 8시간 필요

Введение

19개 동영상 (총 115분), 12 readings, 7 quizzes
19개의 동영상
Как устроена специализация и зачем ее проходить3m
Как устроен этот курс и в чем его главная особенность1m
МФТИ1m
Что такое Python и почему мы выбрали именно его6m
Как установить Анаконду. Windows3m
Как установить Анаконду. Linux4m
Как установить Анаконду. Mac3m
Что такое ноутбуки и как ими пользоваться10m
Типы данных16m
Циклы, функции, генераторы, list comprehension13m
Чтение данных из файлов11m
Запись файлов, изменение файлов8m
Функции и их свойства6m
Предел и производная4m
Геометрический смысл производной2m
Производная сложной функции2m
Задача нахождения экстремума3m
Вторая производная и выпуклость5m
12개의 읽기 자료
Формат специализации и получение сертификата2m
МФТИ10m
Немного о Yandex10m
Python FAQ10m
Forum&Chat10m
Знакомство с IPython Notebook10m
Конспект30m
Типы данных (ipython notebook)10m
Чтение данных из файлов (ipython notebook)10m
Запись файлов, изменение файлов (ipython notebook)10m
Конспект30m
Конспект10m
6개 연습문제
Работа с IPython Notebook10m
Знакомство с Python10m
Работа с файлами в Python10m
Синтаксис Python10m
Функции и экстремумы10m
Производная и её применения10m
2
완료하는 데 8시간 필요

Библиотеки Python и линейная алгебра

14개 동영상 (총 97분), 8 readings, 10 quizzes
14개의 동영상
Pandas. Индексация и селекция13m
Первое знакомство NumPy, SciPy и Matplotlib16m
Решение оптимизационных задач в SciPy4m
Знакомство с линейной алгеброй5m
Векторные пространства3m
Линейная независимость6m
Операции в векторных пространствах6m
Зачем нужны матрицы?5m
Матричные операции7m
Ранг и определитель5m
Системы линейных уравнений4m
Особые виды матриц4m
Собственные числа и векторы3m
8개의 읽기 자료
Pandas. DataFrame (ipython notebook)10m
Pandas. Индексация и селекция (ipython notebook)10m
Первое знакомство с Numpy, Scipy и Matplotlib (ipython notebook)10m
Оптимизация в Scipy (ipython notebook)10m
NumPy: векторы и операции над ними10m
Конспект30m
NumPy: матрицы и операции над ними10m
Конспект30m
9개 연습문제
Pandas10m
Numpy10m
Pandas, Numpy, Scipy, Matplotlib10m
Базовые понятия линейной алгебры10m
Линейная независимость и размерность10m
Векторные пространства и NumPy10m
Что можно делать с матрицами?10m
Разрешимость систем линейных уравнений и ранги10m
Матрицы и NumPy10m
3
완료하는 데 6시간 필요

Оптимизация и матричные разложения

12개 동영상 (총 47분), 3 readings, 7 quizzes
12개의 동영상
Применение градиента3m
Производная по направлению2m
Касательная плоскость и линейное приближение2m
Направление наискорейшего роста2m
Оптимизация негладких функций4m
Метод имитации отжига4m
Генетические алгоритмы и дифференциальная эволюция4m
Нелдер-Мид3m
Разложения матриц в произведение, сингулярное разложение3m
Приближение матрицей меньшего ранга5m
Связь сингулярного разложения и приближения матрицей меньшего ранга6m
3개의 읽기 자료
Конспект30m
Конспект30m
Конспект30m
6개 연습문제
Частные производные10m
Градиент и его применения10m
Повторение: гладкость и градиентный спуск10m
Методы оптимизации в негладких задачах10m
Повторение линейной алгебры10m
Матричные разложения10m
4
완료하는 데 6시간 필요

Случайность

11개 동영상 (총 59분), 7 readings, 7 quizzes
11개의 동영상
Свойства вероятности3m
Условная вероятность2m
Дискретные случайные величины4m
Непрерывные случайные величины7m
Оценка распределения по выборке6m
Важные характеристики распределений6m
Важные статистики5m
Центральная предельная теорема5m
Доверительные интервалы6m
Бонусное видео6m
7개의 읽기 자료
Работа со случайными величинами (ipython notebook)10m
Конспект30m
Оценка распределения по выборке (ipython notebook)10m
Конспект30m
Материалы к бонусному видео10m
Список литературы10m
Финальные титры10m
6개 연습문제
Вероятность10m
Случайные величины10m
Вероятность и случайные величины20m
Распределения, параметры и оценки10m
ЦПТ и доверительные интервалы10m
Статистики20m
4.8
708개의 리뷰Chevron Right

40%

이 강좌를 수료한 후 새로운 경력 시작하기

44%

이 강좌를 통해 확실한 경력상 이점 얻기

26%

급여 인상 또는 승진하기

Математика и Python для анализа данных의 최상위 리뷰

대학: GDAug 9th 2018

Лучший вводный курс, который я видел. Есть мелкие огрехи в изложении математической части, но это ерунда по сравнению с четкостью и полнотой изложения программистской части и обилием примеров. Спасибо

대학: KAFeb 16th 2016

Прошел много курсов по Data Science, этот курс не разочаровал. Подается в лучших западных традициях. Неформально объясняется материал, много примеров. Надеюсь, и дальше специализация не подкачает.

모스크바 물리 기술원 정보

Московский физико-технический институт (Физтех) является одним из ведущих вузов страны и входит в основные рейтинги лучших университетов мира. Институт обладает не только богатой историей – основателями и профессорами института были Нобелевские лауреаты Пётр Капица, Лев Ландау и Николай Семенов – но и большой научно-исследовательской базой. Основой образования в МФТИ является уникальная «система Физтеха», сформулированная Петром Капицей: кропотливый отбор одаренных и склонных к творческой работе абитуриентов; участие в обучении ведущих научных работников; индивидуальный подход к отдельным студентам с целью развития их творческих задатков; воспитание с первых шагов в атмосфере технических исследований и конструктивного творчества с использованием потенциала лучших лабораторий страны. Среди выпускников МФТИ — нобелевские лауреаты Андрей Гейм и Константин Новоселов, основатель компании ABBYY Давид Ян, один из авторов архитектурных принципов построения вычислительных комплексов Борис Бабаян и др....

Yandex 정보

Yandex is a technology company that builds intelligent products and services powered by machine learning. Our goal is to help consumers and businesses better navigate the online and offline world....

Машинное обучение и анализ данных 전문 분야 정보

Мы покажем, как проходит полный цикл анализа, от сбора данных до выбора оптимального решения и оценки его качества. Вы научитесь пользоваться современными аналитическими инструментами и адаптировать их под особенности конкретных задач. В рамках специализации вы освоите основные темы, необходимые в работе с большим массивом данных, в т.ч. современные методы классификации и регрессии, поиск структуры в данных, проведение экспериментов, построение выводов, базовая фундаментальная математика, основы программирования на Python. Мы разберём, как построить рекомендательную систему, оценить эмоциональную окраску текста, спрогнозировать спрос на товар, оценить вероятность клика по рекламе и т.д. В финале вам потребуется выполнить проект собственной системы, решающей любую актуальную для бизнеса задачу. Результатом будет наглядная работающая модель, которую вы сможете использовать в вашей повседневной работе или продемонстрировать на собеседовании. Все, прошедшие специализацию, могут принять участие в Программе трудоустройства. Если вы заинтересованы в новых проектах, новых перспективах и возможностях - пройдите обучение по Специализации и подайте заявку....
Машинное обучение и анализ данных

자주 묻는 질문

  • 강좌에 등록하면 바로 모든 비디오, 테스트 및 프로그래밍 과제(해당하는 경우)에 접근할 수 있습니다. 상호 첨삭 과제는 이 세션이 시작된 경우에만 제출하고 검토할 수 있습니다. 강좌를 구매하지 않고 살펴보기만 하면 특정 과제에 접근하지 못할 수 있습니다.

  • 강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.