이 강좌에 대하여

최근 조회 343,472

학습자 경력 결과

40%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

44%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

26%

가 급여 인상 또는 승진 성취
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 6개 강좌 중 1번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
초급 단계
완료하는 데 약 28시간 필요
러시아어
자막: 러시아어

귀하가 습득할 기술

ScipyStatisticsPython ProgrammingNumpy

학습자 경력 결과

40%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

44%

가 이 강좌를 통해 확실한 경력상 이점을 얻음

26%

가 급여 인상 또는 승진 성취
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 6개 강좌 중 1번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
초급 단계
완료하는 데 약 28시간 필요
러시아어
자막: 러시아어

제공자:

Placeholder

모스크바 물리 기술원

Placeholder

Yandex

Placeholder

E-Learning Development Fund

강의 계획 - 이 강좌에서 배울 내용

콘텐츠 평가Thumbs Up90%(91,854개의 평가)Info
1

1

완료하는 데 7시간 필요

Введение

완료하는 데 7시간 필요
19개 동영상 (총 115분), 16 개의 읽기 자료, 7 개의 테스트
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
16개의 읽기 자료
Формат специализации и получение сертификата2m
МФТИ10m
Немного о Yandex10m
Ответы на самые частые вопросы. Обязательно к прочтению!10m
Про Python 310m
Python FAQ10m
Forum&Chat10m
Про Python 310m
Инструкция: Как открыть ipython в актуальной версии Anaconda10m
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

2

완료하는 데 8시간 필요

Библиотеки Python и линейная алгебра

완료하는 데 8시간 필요
14개 동영상 (총 97분), 8 개의 읽기 자료, 10 개의 테스트
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

3

완료하는 데 6시간 필요

Оптимизация и матричные разложения

완료하는 데 6시간 필요
12개 동영상 (총 47분), 3 개의 읽기 자료, 7 개의 테스트
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

4

완료하는 데 6시간 필요

Случайность

완료하는 데 6시간 필요
11개 동영상 (총 59분), 7 개의 읽기 자료, 7 개의 테스트
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 величины30m
Распределения, параметры и оценки10m
ЦПТ и доверительные интервалы10m
Статистики30m

검토

МАТЕМАТИКА И PYTHON ДЛЯ АНАЛИЗА ДАННЫХ의 최상위 리뷰

모든 리뷰 보기

Машинное обучение и анализ данных 특화 과정 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

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.