Описание курса

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:

Академическая нагрузка

Команда курса

Untitled

Фича курса

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.

Результат курса

Ты будешь более подготовленным(-ой) к изучению математики, лежащей в основе ML.

Тематический план

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

Система оценивания

Активность Вес Описание
Домашние задания 100% Домашние задания по темам недели
Бонусная активность 10% Активный багрепорт, участие в опросах, бонусные квизы и другое