Анализ данных и машинное обучение существенно опираются на результаты из математического анализа, линейной алгебры, методов оптимизации, теории вероятностей. Без фундаментальных знаний по этим наукам невозможно понимать, как устроены методы анализа данных. Задача этого курса — сформировать такой фундамент. Мы обойдёмся без сложных формул и доказательств и сделаем упор на интерпретации и понимании смысла математических понятий и объектов.
This course is part of the Машинное обучение и анализ данных Specialization
Offered By
Moscow Institute of Physics and Technology
Yandex
E-Learning Development Fund
Машинное обучение и анализ данных SpecializationMoscow Institute of Physics and TechnologyAbout this Course
357,058 recent views
Learner Career Outcomes
40%
started a new career after completing these courses
44%
got a tangible career benefit from this course
26%
got a pay increase or promotion
Shareable Certificate
Earn a Certificate upon completion
100% online
Start instantly and learn at your own schedule.
Course 1 of 6 in the
Flexible deadlines
Reset deadlines in accordance to your schedule.
Beginner Level
Approx. 29 hours to complete
Russian
Subtitles: Russian
Skills you will gain
ScipyStatisticsPython ProgrammingNumpy
Learner Career Outcomes
40%
started a new career after completing these courses
44%
got a tangible career benefit from this course
26%
got a pay increase or promotion
Shareable Certificate
Earn a Certificate upon completion
100% online
Start instantly and learn at your own schedule.
Course 1 of 6 in the
Flexible deadlines
Reset deadlines in accordance to your schedule.
Beginner Level
Approx. 29 hours to complete
Russian
Subtitles: Russian
Offered by
Moscow Institute of Physics and Technology
Московский физико-технический институт (Физтех) является одним из ведущих вузов страны и входит в основные рейтинги лучших университетов мира. Институт обладает не только богатой историей – основателями и профессорами института были Нобелевские лауреаты Пётр Капица, Лев Ландау и Николай Семенов – но и большой научно-исследовательской базой.
Yandex
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.
E-Learning Development Fund
Фонд развития онлайн-образования (ФРОО) объединяет образовательные стартапы, проекты в области EdTech и запускает собственные онлайн-программы в области машинного обучения, программирования, мобильной разработки, VR, дизайна и IT. Мы выстраиваем экосистему для обучения на всех стадиях жизненного цикла: от идеи и поиска средств на производство образовательной программы до поддержки, продаж и маркетинга. А сотрудничество с крупнейшими образовательными платформами позволяет запускать онлайн-курсы с максимальным эффектом и пользой для всех заинтересованных сторон.
Syllabus - What you will learn from this course
8 hours to complete
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.
8 hours to complete
19 videos (Total 115 min), 12 readings, 7 quizzes
19 videos
Как устроена специализация и зачем ее проходить3m
Как устроен этот курс и в чем его главная особенность1m
МФТИ1m
Что такое Python и почему мы выбрали именно его6m
Как установить Анаконду. Windows3m
Как установить Анаконду. Linux4m
Как установить Анаконду. Mac3m
Что такое ноутбуки и как ими пользоваться10m
Типы данных16m
Циклы, функции, генераторы, list comprehension13m
Чтение данных из файлов11m
Запись файлов, изменение файлов8m
Функции и их свойства6m
Предел и производная4m
Геометрический смысл производной2m
Производная сложной функции2m
Задача нахождения экстремума3m
Вторая производная и выпуклость5m
12 readings
Формат специализации и получение сертификата2m
МФТИ10m
Немного о Yandex10m
Python FAQ10m
Forum&Chat10m
Знакомство с IPython Notebook10m
Конспект30m
Типы данных (ipython notebook)10m
Чтение данных из файлов (ipython notebook)10m
Запись файлов, изменение файлов (ipython notebook)10m
Конспект30m
Конспект10m
6 practice exercises
Работа с IPython Notebook10m
Знакомство с Python10m
Работа с файлами в Python10m
Синтаксис Python10m
Функции и экстремумы10m
Производная и её применения10m
8 hours to complete
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.
8 hours to complete
14 videos (Total 97 min), 8 readings, 10 quizzes
14 videos
Pandas. Индексация и селекция13m
Первое знакомство NumPy, SciPy и Matplotlib16m
Решение оптимизационных задач в SciPy4m
Знакомство с линейной алгеброй5m
Векторные пространства3m
Линейная независимость6m
Операции в векторных пространствах6m
Зачем нужны матрицы?5m
Матричные операции7m
Ранг и определитель5m
Системы линейных уравнений4m
Особые виды матриц4m
Собственные числа и векторы3m
8 readings
Pandas. DataFrame (ipython notebook)10m
Pandas. Индексация и селекция (ipython notebook)10m
Первое знакомство с Numpy, Scipy и Matplotlib (ipython notebook)10m
Оптимизация в Scipy (ipython notebook)10m
NumPy: векторы и операции над ними10m
Конспект30m
NumPy: матрицы и операции над ними10m
Конспект30m
9 practice exercises
Pandas10m
Numpy10m
Pandas, Numpy, Scipy, Matplotlib10m
Базовые понятия линейной алгебры10m
Линейная независимость и размерность10m
Векторные пространства и NumPy10m
Что можно делать с матрицами?10m
Разрешимость систем линейных уравнений и ранги10m
Матрицы и NumPy10m
6 hours to complete
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.
6 hours to complete
12 videos (Total 47 min), 3 readings, 7 quizzes
12 videos
Применение градиента3m
Производная по направлению2m
Касательная плоскость и линейное приближение2m
Направление наискорейшего роста2m
Оптимизация негладких функций4m
Метод имитации отжига4m
Генетические алгоритмы и дифференциальная эволюция4m
Нелдер-Мид3m
Разложения матриц в произведение, сингулярное разложение3m
Приближение матрицей меньшего ранга5m
Связь сингулярного разложения и приближения матрицей меньшего ранга6m
3 readings
Конспект30m
Конспект30m
Конспект30m
6 practice exercises
Частные производные10m
Градиент и его применения10m
Повторение: гладкость и градиентный спуск10m
Методы оптимизации в негладких задачах10m
Повторение линейной алгебры10m
Матричные разложения10m
6 hours to complete
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.
6 hours to complete
11 videos (Total 59 min), 7 readings, 7 quizzes
11 videos
Свойства вероятности3m
Условная вероятность2m
Дискретные случайные величины4m
Непрерывные случайные величины7m
Оценка распределения по выборке6m
Важные характеристики распределений6m
Важные статистики5m
Центральная предельная теорема5m
Доверительные интервалы6m
Бонусное видео6m
7 readings
Работа со случайными величинами (ipython notebook)10m
Конспект30m
Оценка распределения по выборке (ipython notebook)10m
Конспект30m
Материалы к бонусному видео10m
Список литературы10m
Финальные титры10m
6 practice exercises
Вероятность10m
Случайные величины10m
Вероятность и случайные величины20m
Распределения, параметры и оценки10m
ЦПТ и доверительные интервалы10m
Статистики20m
About the Машинное обучение и анализ данных Specialization
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.
Frequently Asked Questions
When will I have access to the lectures and assignments?
Once you enroll for a Certificate, you’ll have access to all videos, quizzes, and programming assignments (if applicable). Peer review assignments can only be submitted and reviewed once your session has begun. If you choose to explore the course without purchasing, you may not be able to access certain assignments.
What will I get if I subscribe to this Specialization?
When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile. If you only want to read and view the course content, you can audit the course for free.
What is the refund policy?
If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.
Is financial aid available?
Yes, Coursera provides financial aid to learners who cannot afford the fee. Apply for it by clicking on the Financial Aid link beneath the "Enroll" button on the left. You'll be prompted to complete an application and will be notified if you are approved. You'll need to complete this step for each course in the Specialization, including the Capstone Project. Learn more.
More questions? Visit the Learner Help Center.
