Об этом курсе
Недавно просмотрено: 152,563

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Начальный уровень

Прибл. 28 часа на выполнение

Предполагаемая нагрузка: 8 hours/week...

Русский

Субтитры: Русский

Приобретаемые навыки

ScipyStatisticsPython ProgrammingNumpy

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Начальный уровень

Прибл. 28 часа на выполнение

Предполагаемая нагрузка: 8 hours/week...

Русский

Субтитры: Русский

Программа курса: что вы изучите

Неделя
1
8 ч. на завершение

Введение

Добро пожаловать! На этой неделе мы начнём осваивать язык Python — один из главных инструментов специалиста в науке о данных, и вспомним кое-что о производных, которые активно используются при настройке моделей машинного обучения.

...
19 видео ((всего 115 мин.)), 12 материалов для самостоятельного изучения, 7 тестов
19 видео
Как устроена специализация и зачем ее проходить3мин
Как устроен этот курс и в чем его главная особенность1мин
МФТИ1мин
Что такое Python и почему мы выбрали именно его6мин
Как установить Анаконду. Windows3мин
Как установить Анаконду. Linux4мин
Как установить Анаконду. Mac3мин
Что такое ноутбуки и как ими пользоваться10мин
Типы данных16мин
Циклы, функции, генераторы, list comprehension13мин
Чтение данных из файлов11мин
Запись файлов, изменение файлов8мин
Функции и их свойства6мин
Предел и производная4мин
Геометрический смысл производной2мин
Производная сложной функции2мин
Задача нахождения экстремума3мин
Вторая производная и выпуклость5мин
12 материала для самостоятельного изучения
Формат специализации и получение сертификата2мин
МФТИ10мин
Немного о Yandex10мин
Python FAQ10мин
Forum&Chat10мин
Знакомство с IPython Notebook10мин
Конспект30мин
Типы данных (ipython notebook)10мин
Чтение данных из файлов (ipython notebook)10мин
Запись файлов, изменение файлов (ipython notebook)10мин
Конспект30мин
Конспект10мин
6 практического упражнения
Работа с IPython Notebook10мин
Знакомство с Python10мин
Работа с файлами в Python10мин
Синтаксис Python10мин
Функции и экстремумы10мин
Производная и её применения10мин
Неделя
2
8 ч. на завершение

Библиотеки Python и линейная алгебра

На этой неделе мы познакомимся с Python-библиотеками, содержащими большое количество полезных инструментов: от быстрых операций с многомерными массивами до визуализации и реализации различных математических методов. Кроме того, мы освоим линейную алгебру — основной математический аппарат для работы с данными: в большинстве задач данные можно представить в виде векторов или матриц.

...
14 видео ((всего 97 мин.)), 8 материалов для самостоятельного изучения, 10 тестов
14 видео
Pandas. Индексация и селекция13мин
Первое знакомство NumPy, SciPy и Matplotlib16мин
Решение оптимизационных задач в SciPy4мин
Знакомство с линейной алгеброй5мин
Векторные пространства3мин
Линейная независимость6мин
Операции в векторных пространствах6мин
Зачем нужны матрицы?5мин
Матричные операции7мин
Ранг и определитель5мин
Системы линейных уравнений4мин
Особые виды матриц4мин
Собственные числа и векторы3мин
8 материала для самостоятельного изучения
Pandas. DataFrame (ipython notebook)10мин
Pandas. Индексация и селекция (ipython notebook)10мин
Первое знакомство с Numpy, Scipy и Matplotlib (ipython notebook)10мин
Оптимизация в Scipy (ipython notebook)10мин
NumPy: векторы и операции над ними10мин
Конспект30мин
NumPy: матрицы и операции над ними10мин
Конспект30мин
9 практического упражнения
Pandas10мин
Numpy10мин
Pandas, Numpy, Scipy, Matplotlib10мин
Базовые понятия линейной алгебры10мин
Линейная независимость и размерность10мин
Векторные пространства и NumPy10мин
Что можно делать с матрицами?10мин
Разрешимость систем линейных уравнений и ранги10мин
Матрицы и NumPy10мин
Неделя
3
6 ч. на завершение

Оптимизация и матричные разложения

На этой неделе мы научимся с помощью методов оптимизации находить наилучшие значения параметров системы, чтобы минимизировать затраты или максимизировать точность предсказаний, а также познакомимся с матричными разложениями, которые используются при построении регрессионных моделей, для уменьшения размерности данных, в рекомендательных системах и в анализе текстов.

...
12 видео ((всего 47 мин.)), 3 материалов для самостоятельного изучения, 7 тестов
12 видео
Применение градиента3мин
Производная по направлению2мин
Касательная плоскость и линейное приближение2мин
Направление наискорейшего роста2мин
Оптимизация негладких функций4мин
Метод имитации отжига4мин
Генетические алгоритмы и дифференциальная эволюция4мин
Нелдер-Мид3мин
Разложения матриц в произведение, сингулярное разложение3мин
Приближение матрицей меньшего ранга5мин
Связь сингулярного разложения и приближения матрицей меньшего ранга6мин
3 материала для самостоятельного изучения
Конспект30мин
Конспект30мин
Конспект30мин
6 практического упражнения
Частные производные10мин
Градиент и его применения10мин
Повторение: гладкость и градиентный спуск10мин
Методы оптимизации в негладких задачах10мин
Повторение линейной алгебры10мин
Матричные разложения10мин
Неделя
4
6 ч. на завершение

Случайность

На этой неделе мы освоим базовые концепции теории вероятностей и статистики, которые необходимы для понимания механизма работы практически всех методов анализа данных. Мы разберёмся с самыми популярными распределениями, узнаем, какие явления ими описываются и какими статистиками оцениваются их параметры, а также научимся строить доверительные интервалы.

...
11 видео ((всего 59 мин.)), 7 материалов для самостоятельного изучения, 7 тестов
11 видео
Свойства вероятности3мин
Условная вероятность2мин
Дискретные случайные величины4мин
Непрерывные случайные величины7мин
Оценка распределения по выборке6мин
Важные характеристики распределений6мин
Важные статистики5мин
Центральная предельная теорема5мин
Доверительные интервалы6мин
Бонусное видео6мин
7 материала для самостоятельного изучения
Работа со случайными величинами (ipython notebook)10мин
Конспект30мин
Оценка распределения по выборке (ipython notebook)10мин
Конспект30мин
Материалы к бонусному видео10мин
Список литературы10мин
Финальные титры10мин
6 практического упражнения
Вероятность10мин
Случайные величины10мин
Вероятность и случайные величины20мин
Распределения, параметры и оценки10мин
ЦПТ и доверительные интервалы10мин
Статистики20мин
4.8
Рецензии: 662Chevron Right

42%

начал новую карьеру, пройдя эти курсы

45%

получил значимые преимущества в карьере благодаря этому курсу

25%

стал больше зарабатывать или получил повышение

Лучшие отзывы о курсе Математика и Python для анализа данных

автор: 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

автор: 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.

О Московский физико-технический институт

Московский физико-технический институт (неофициально известный как МФТИ или Физтех) является одним из самых престижных в мире учебных и научно-исследовательских институтов. Он готовит высококвалифицированных специалистов в области теоретической и прикладной физики, прикладной математики, информатики, биотехнологии и смежных дисциплин. Физтех был основан в 1951 году Нобелевской премии лауреатами Петром Капицей, Николаем Семеновым, Львом Ландау и Сергеем Христиановичем. Основой образования в МФТИ является уникальная «система Физтеха»: кропотливое воспитание и отбор самых талантливых абитуриентов, фундаментальное образование высшего класса и раннее вовлечение студентов в реальную научно-исследовательскую работу. Среди выпускников МФТИ есть Нобелевские лауреаты, основатели всемирно известных компаний, известные космонавты, изобретатели, инженеры....

О Яндекс

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....

О специализации ''Машинное обучение и анализ данных'

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

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.