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.
Для успешного применения методов анализа данных нужно уметь программировать. Фактическим стандартом для этого в наши дни является язык Python. В данном курсе мы предлагаем познакомиться с его синтаксисом, а также научиться работать с его основными библиотеками, полезными для анализа данных, например, NumPy, SciPy, Matplotlib и Pandas.
Este curso faz parte do Programa de cursos integrados Aprendizado de máquina e análise de dados
Математика и Python для анализа данных
oferecido por
Instituto de Física e Tecnologia de Moscou
Yandex
Programa de cursos integrados Aprendizado de máquina e análise de dadosInstituto de Física e Tecnologia de Moscou
Informações sobre o curso
4.8
3,873 classificações
Habilidades que você terá
ScipyStatisticsPython ProgrammingNumpy
Programa - O que você aprenderá com este curso
Semana
18 horas para concluir
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.
19 vídeos (total de (Total 115 mín.) min), 12 leituras, 7 testes
19 videos
Как устроена специализация и зачем ее проходить3min
Как устроен этот курс и в чем его главная особенность1min
МФТИ1min
Что такое Python и почему мы выбрали именно его6min
Как установить Анаконду. Windows3min
Как установить Анаконду. Linux4min
Как установить Анаконду. Mac3min
Что такое ноутбуки и как ими пользоваться10min
Типы данных16min
Циклы, функции, генераторы, list comprehension13min
Чтение данных из файлов11min
Запись файлов, изменение файлов8min
Функции и их свойства6min
Предел и производная4min
Геометрический смысл производной2min
Производная сложной функции2min
Задача нахождения экстремума3min
Вторая производная и выпуклость5min
12 leituras
Формат специализации и получение сертификата2min
МФТИ10min
Немного о Yandex10min
Python FAQ10min
Forum&Chat10min
Знакомство с IPython Notebook10min
Конспект30min
Типы данных (ipython notebook)10min
Чтение данных из файлов (ipython notebook)10min
Запись файлов, изменение файлов (ipython notebook)10min
Конспект30min
Конспект10min
6 exercícios práticos
Работа с IPython Notebook10min
Знакомство с Python10min
Работа с файлами в Python10min
Синтаксис Python10min
Функции и экстремумы10min
Производная и её применения10min
Semana
28 horas para concluir
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.
14 vídeos (total de (Total 97 mín.) min), 8 leituras, 10 testes
14 videos
Pandas. Data Frame11min
Pandas. Индексация и селекция13min
Первое знакомство NumPy, SciPy и Matplotlib16min
Решение оптимизационных задач в SciPy4min
Знакомство с линейной алгеброй5min
Векторные пространства3min
Линейная независимость6min
Операции в векторных пространствах6min
Зачем нужны матрицы?5min
Матричные операции7min
Ранг и определитель5min
Системы линейных уравнений4min
Особые виды матриц4min
Собственные числа и векторы3min
8 leituras
Pandas. DataFrame (ipython notebook)10min
Pandas. Индексация и селекция (ipython notebook)10min
Первое знакомство с Numpy, Scipy и Matplotlib (ipython notebook)10min
Оптимизация в Scipy (ipython notebook)10min
NumPy: векторы и операции над ними10min
Конспект30min
NumPy: матрицы и операции над ними10min
Конспект30min
9 exercícios práticos
Pandas10min
Numpy10min
Pandas, Numpy, Scipy, Matplotlib10min
Базовые понятия линейной алгебры10min
Линейная независимость и размерность10min
Векторные пространства и NumPy10min
Что можно делать с матрицами?10min
Разрешимость систем линейных уравнений и ранги10min
Матрицы и NumPy10min
Semana
36 horas para concluir
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.
12 vídeos (total de (Total 47 mín.) min), 3 leituras, 7 testes
12 videos
Применение градиента3min
Производная по направлению2min
Касательная плоскость и линейное приближение2min
Направление наискорейшего роста2min
Оптимизация негладких функций4min
Метод имитации отжига4min
Генетические алгоритмы и дифференциальная эволюция4min
Нелдер-Мид3min
Разложения матриц в произведение, сингулярное разложение3min
Приближение матрицей меньшего ранга5min
Связь сингулярного разложения и приближения матрицей меньшего ранга6min
3 leituras
Конспект30min
Конспект30min
Конспект30min
6 exercícios práticos
Частные производные10min
Градиент и его применения10min
Повторение: гладкость и градиентный спуск10min
Методы оптимизации в негладких задачах10min
Повторение линейной алгебры10min
Матричные разложения10min
Semana
46 horas para concluir
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.
11 vídeos (total de (Total 59 mín.) min), 7 leituras, 7 testes
11 videos
Свойства вероятности3min
Условная вероятность2min
Дискретные случайные величины4min
Непрерывные случайные величины7min
Оценка распределения по выборке6min
Важные характеристики распределений6min
Важные статистики5min
Центральная предельная теорема5min
Доверительные интервалы6min
Бонусное видео6min
7 leituras
Работа со случайными величинами (ipython notebook)10min
Конспект30min
Оценка распределения по выборке (ipython notebook)10min
Конспект30min
Материалы к бонусному видео10min
Список литературы10min
Финальные титры10min
6 exercícios práticos
Вероятность10min
Случайные величины10min
Вероятность и случайные величины20min
Распределения, параметры и оценки10min
ЦПТ и доверительные интервалы10min
Статистики20min
40%
comecei uma nova carreira após concluir estes cursos
43%
consegui um benefício significativo de carreira com este curso
22%
recebi um aumento ou promoção
Melhores avaliações
Лучший вводный курс, который я видел. Есть мелкие огрехи в изложении математической части, но это ерунда по сравнению с четкостью и полнотой изложения программистской части и обилием примеров. Спасибо
Прошел много курсов по Data Science, этот курс не разочаровал. Подается в лучших западных традициях. Неформально объясняется материал, много примеров. Надеюсь, и дальше специализация не подкачает.
Sobre Instituto de Física e Tecnologia de Moscou
Московский физико-технический институт (неофициально известный как МФТИ или Физтех) является одним из самых престижных в мире учебных и научно-исследовательских институтов. Он готовит высококвалифицированных специалистов в области теоретической и прикладной физики, прикладной математики, информатики, биотехнологии и смежных дисциплин. Физтех был основан в 1951 году Нобелевской премии лауреатами Петром Капицей, Николаем Семеновым, Львом Ландау и Сергеем Христиановичем. Основой образования в МФТИ является уникальная «система Физтеха»: кропотливое воспитание и отбор самых талантливых абитуриентов, фундаментальное образование высшего класса и раннее вовлечение студентов в реальную научно-исследовательскую работу. Среди выпускников МФТИ есть Нобелевские лауреаты, основатели всемирно известных компаний, известные космонавты, изобретатели, инженеры.
Sobre 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.
Sobre o Programa de cursos integrados Aprendizado de máquina e análise de dados
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.
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Qual é a política de reembolso?
Existe algum auxílio financeiro disponível?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
O Coursera proporciona acesso universal à melhor educação do mundo fazendo parcerias com as melhores universidades e organizações para oferecer cursos on-line.
© 2019 Coursera Inc. Todos os direitos reservados.
