Математика для анализа данных

Научитесь проверять данные на полноту, целостность, валидность, наличие шумов, ошибок и пропусков. Узнаете, как очищать данные с помощью NumPy и pandas, как сокращать размерности данных алгоритмами PCA, LDA, NMF. Научитесь строить деревья решений и модели логистической, линейной и полиномиальной регрессии. Узнаете, как использовать Random Forest в задачах классификации.

Часов в программе

18,00 часов

лекции

27,00 часов

практика

10,00 часов

промежуточная аттестация

55,00 часов

всего

Материально-технические условия реализации программы:

Вид занятий: Видеолекции
Требуемое ПО:
MS Office, Google Docs

Информационные ресуры

ResNet (34, 50, 101): «остаточные» CNN для классификации изображений: https://neurohive.io/ru/vidy-nejrosetej/resnet-34-50-101/
Обработка естественного языка (NLP): https://www.helenkapatsa.ru/obrabotka-iestiestviennogho-iazyka/

Образовательные ресуры

Ресурсы LMS ООО «Нетология»

Учебно-методические материалы

Методы, формы и технологии

Видеолекции
Лонгриды
Скринкасты
Презентации
Вебинары
Практические задания
Ресурсы LMS ООО «Нетология»

Методические разработки

Кейсы
Шаблоны
Чек-листы
Глоссарий

Материалы курса

Шаблоны, чек-листы
Презентации
Лонгриды

Учебная литература

Глебов, В. И. Практикум по математической статистике. Проверка гипотез с использованием Excel, MatCalc, R и Python : учебное пособие / В. И. Глебов, С. Я. Криволапов. — Москва : Прометей, 2019 — 86с.
Математическая статистика: учеб. для вузов / В. Б. Горяинов [и др.]; под ред. B. C. Зарубина, А. П. Крищенко. – М.: Изд-во МГТУ им. Н. Э. Баумана, 2001 – (Сер. Математика в техническом университете; Вып. XVI). – С. 145–152.

Темы

Математика для анализа данных

Лекции
18,00ч

Практические занятия
27,00ч

Всего
45,00ч

Промежуточная аттестация 10,00 часов

Промежуточная аттестация по модулю предполагает выполнение слушателем индивидуального практического задания.