Чему вы научитесь
- Познакомитесь с основными элементарными функциями, их свойствами и применением в Data Science;
- Освоите такие понятия, как композиция функций и обратная функция, которые используются в нейросетях;
- Научитесь применять производную для решения простейших задач на нахождение экстремумов функции, вычислять градиент, гессиан функции многих переменных и использовать их для решения задач на нахождение экстремумов;
- Через решение задачи на поиск экстремумов поймёте, как были получены формулы для вычисления коэффициентов линейной регрессии
- Познакомитесь с основными понятиями теории оптимизации: постановкой задачи, выпуклыми и невыпуклыми функциями, локальными и глобальными экстремумами;
- Изучите алгоритм градиентного спуска и научитесь находить минимум функции как вручную, так и на Python.
О курсе
Курс включает основные темы по математическому анализу, необходимые для понимания задач оптимизации в машинном обучении. Написан простым и понятным языком, и ориентирован на тех, кто интересуется или уже работает в Data Science.
Для кого этот курс
Курс будет полезен:
- студентам среднеспециальных и высших учебных заведений в качестве дополнительного образования;
- специалистам, работающим в сфере Data Science;
- а также всем тем, кто желает изучить Data Science с нуля.
Начальные требования
Знание школьной математики на уровне законченного 9 класса:
- действия с рациональными числами;
- преобразование алгебраических выражений
- решение линейных, квадратных и иррациональных уравнений
- базовые понятия о функции, умение строить график функции;
Преподаватели курса
6 861
Как проходит обучение
Курс состоит из текстовых конспектов и заданий с автоматической проверкой. Вам будет необходимо вести тетрадь, решать упражнения, отвечать на тестовые вопросы, запускать код на Python в IDE.
Что вы получите
- Набор учебных материалов в виде конспектов, тестовые вопросы и практические задания;
- Упражнения с автоматической проверкой;
- Поддержка преподавателя посредством ответов на ваши вопросы в комментариях;
- Доступ к сообществу студентов;
- Сертификат о прохождении курса.
Нагрузка
4-5 часов в неделю