Matematika pro datovou vědu. Část 2. Teorie pravděpodobnosti a matematická statistika - kurz 27 990 RUB. od specialisty, školení 40 akademických hodin, datum 15. května 2023.
Různé / / December 03, 2023
Profesionální učitel kurzů programování, certifikovaný vývojář Python Institute se všeobecnými pracovními zkušenostmi v oblasti IT více než 20 let. Vybudované IT systémy ve 4 společnostech od nuly. Více než 5 let.
Vadim Viktorovič vystudoval v roce 2000 Ruskou státní univerzitu humanitních věd se specializací na informatiku a informatiku. Skutečný profesionál v administrativních záležitostech DBMS, automatizace firemních obchodních procesů (ERP, CRM atd.), vytváření testovacích případů a školení zaměstnanců.
Umí motivovat a zaujmout. Je náročný na své posluchače, vždy připraven objasnit obtížné body. Rozsáhlé zkušenosti s prací na skutečných projektech mu umožňují věnovat pozornost těm detailům, které začínající vývojáři obvykle přehlížejí.
Modul 1. Základní pojmy teorie pravděpodobnosti. Příklady (4 ac. h.)
Modul 2 Náhodné události. Podmíněná pravděpodobnost. Bayesův vzorec. Nezávislé testy (4 ac. h.)
Modul 3. Diskrétní náhodné veličiny. Zákon rozdělení pravděpodobnosti. Zákon binomického rozdělení. Poissonovo rozdělení (4 ac. h.)
Modul 4. Deskriptivní statistika. Kvalitativní a kvantitativní charakteristiky populace. Grafická prezentace dat (4 ak. h.)
Modul 5. Spojité náhodné veličiny. Distribuční funkce a funkce hustoty pravděpodobnosti. Rovnoměrné a normální rozdělení. Centrální limitní teorém (4 ak. h.)
Modul 6. Testování statistických hypotéz. P-hodnoty. Intervaly spolehlivosti. (4 ac. h.)
Modul 7. Vztah mezi veličinami. Parametrické a neparametrické korelační míry. Korelační analýza. (4 ac. h.)
Modul 8. Vícerozměrná statistická analýza. Lineární regrese (4 ac. h.)
Modul 9. Analýza rozptylu. Logistická regrese (4 ac. h.)
Modul 10. Aplikace probraných partií teorie pravděpodobnosti a matematické statistiky na obecném příkladu (Jupiterův zápisník). Projekt. (4 ac. h.)
Datová věda zahrnuje širokou škálu přístupů a metod pro sběr, zpracování, analýzu a vizualizaci souborů dat jakékoli velikosti. Samostatnou prakticky důležitou oblastí této vědy je práce s velkými daty pomocí nových principů matematické a výpočtové modelování, kdy klasické metody přestávají fungovat pro svou nemožnost škálování. Tento kurz je navržen tak, aby pomohl studentovi naučit se základy dané oblasti prostřednictvím formulace a řešení typických problémů, s nimiž se může výzkumník datové vědy u sebe setkat práce. Aby se student naučil takové problémy řešit, poskytnou autoři kurzu studentovi potřebné teoretické minimum a ukáží, jak využít nástrojový základ v praxi.
4,2
Osvěžíte si své znalosti matematiky, naučíte se základní vzorce a funkce a pochopíte základy stroje školení a můžete začít kariéru v Data Science – IT společnosti po celém světě takové specialisty hledají.
4,4