В мире машинного обучения (ML) глубокое понимание математических основ является ключом к успешному созданию и оптимизации моделей. Этот курс предназначен для тех, кто хочет овладеть необходимыми математическими инструментами, которые помогут вам уверенно двигаться по карьерной лестнице в области ML.
Мы начнем с изучения основных математических понятий, таких как линейная алгебра, математический анализ, оптимизация, статистика и теория вероятностей, и подробно разберем, как они применяются в реальных задачах машинного обучения. Вы научитесь не только теоретическим аспектам, но и тому, как эти знания можно эффективно использовать на практике.
Курс включает в себя значительное количество теоретических и практических заданий, где вы будете решать различные задачи, выводя результат аналитически, и подкрепляя его практикой.
Этот курс подойдет тем, кто хочет:
Часть времени на курсе выделена под практику на языке программирования Python.
Не только разберем основную математику, но и посмотрим через призму машинного обучения, как данные концепты реализуются и используются в коде.
Ты будешь более подготовленным(-ой) к изучению математики, лежащей в основе ML.
Тема | |
---|---|
1 | Матрицы, вектора, их свойства. |
2 | Евклидовы, метрические и нормированные пространства |
3 | Системы линейных алгебраических уравнений |
4 | Матричные разложения |
5 | Эффективная вычислительная линейная алгебра |
6 | Дифференцирование |
7 | Выпуклый анализ |
8 | Граф вычислений и нейронные сети |
9 | Методы оптимизации первого и второго порядков |
10 | Условная оптимизация |
11 | Основы теории вероятностей и статистики |
Активность | Вес | Описание |
---|---|---|
Домашние задания | 100% | Домашние задания по темам недели |
Бонусная активность | 10% | Активный багрепорт, участие в опросах, бонусные квизы и другое |