Подготовка к собеседованию в Data Science
Подготовка к собеседованию на Data Science позиции с упором на математику. Алгоритмы ML, теория вероятностей, математическая
статистика, линейная алгебра и математический анализ от преподавателей из ведущих университетов (МГУ, Физтех и ВШЭ) Программа курса
Программа по Алгебре
1 неделя
Комплексные числа и многочлены.
2 неделя
Линейная зависимость векторов. Базис и размерность векторного пространства. Системы
линейных уравнений. Ранг матрицы.
3 неделя
Операции над матрицами. Линейные отображения их задание матрицами. Ядро и образ линейного отображения.
4 неделя
Определители матриц, их свойства и методы вычисления.
5 неделя
Спектральная теория: собственные векторы и значения, диагонализируемость.
6 неделя
Билинейные и квадратичные формы. Приведение квадратичной формы к диагональному виду. Закон инерции. Критерий Сильвестра.
7 неделя
Геометрия евклидовых пространств. Ортогонализация Грама–Шмидта.
8 неделя
Самосопряжённые и ортогональные операторы и матрицы, их канонический вид
Программа по Математическому анализу
1 неделя
Основы теории множеств. Предел числовых последовательностей.
2 неделя
Числовые ряды.
3 неделя
Предел функции. Непрерывность.
4 неделя
Дифференцируемость.
5 неделя
Интегрирование функций одной переменной.
6 неделя
Функции многих переменных.
7 неделя
Дифференциальное исчисления функций многих переменных.
8 неделя
Основные теоремы дифференциального исчисления.
9 неделя
Кратные интегралы.
10 неделя
Несобственные интегралы. Критерии сходимости.
1 неделя
Выборочное пространство, выборка и выборочное распределение. Виды статистик.
2 неделя
Оценки и их свойства.
3 неделя
Метод моментов и метод максимального правдоподобия.
4 неделя
Эффективные оценки. Доверительные интервалы.
5 неделя
Визуальные методы анализа. Основы проверки гипотез.
6 неделя
Критерий Вальда, критерии, основанные на нормальности
данных, корреляционный анализ.
7 неделя
Регрессионный анализ. Метод наименьших квадратов.
8 неделя
Проверка гипотез о параметрах регрессионной модели.
Программа по Алгоритмам машинного обучения
1 неделя
Основные задачи и инструменты машинного обучения
2 неделя
Кластеризация: метрики и алгоритмы
3 неделя
SVD, рекомендательная модель
4 неделя
Линейная регрессия
5 неделя
Логистическая регрессия, обобщенная линейная модель
6 неделя
Переобучение: признаки, причины, методы устранения. Регуляризация
7 неделя
Решающие деревья для регрессии и классификации
8 неделя
Ансамбли алгоритмов