Основы математики для старта в Machine Learning / Deep Learning
Онлайн-курc по математике для Data Science
Ряд Тейлора, собственные векторы и другие необходимые понятия в ML
Подготовится к воркшопу
Спикер:
Мария Горденко
Инженер-программист, ведущий эксперт НИУ ВШЭ
Вебинар
Общение с экспертом международного уровня
Разбор математического фундамента алгоритмов ML
📎 Изучить материалы
Материалы для самостоятельного изучения
Старт для дальнейшего изучения более сложный нейронных сетей
Столкнулись с непониманием сложных математических концепций в ML?
Вебинар сделает сложные математические понятия понятными. А полученные знания закрепите на практике в воркшопе.
Хотите начать карьеру в ML, AI или DS, но математика кажется препятствием?
На вебинаре познакомитесь с ключевыми математическими методами для успешного старта в ML, AI или DS.
Увлекаетесь математикой и хотите перейти от теории к практике, а также научиться решать реальные бизнес-задачи
Начинающим в IT
Уже есть опыт в программировании, но хотите применить свои знания в новой области
Выбираете направление и хотите попробовать себя в ML
Математикам
Разработчикам
Мария Горденко
- Старший преподаватель ФКН НИУ ВШЭ, НИТУ МИСИС
- Аспирант департамента анализа данных и искусственного интеллекта ФКН НИУ ВШЭ,
- Преподаватель на курсе «Алгоритмы и структуры данных в proglib academy».
- Место работы: Инженер-программист, ведущий эксперт НИУ ВШЭ, цифровой ассистент и цифровой консультант НИУ ВШЭ.
Спикер
- Случайная величина и вероятность
- Математическое ожидание и дисперсия
- Независимые и зависимые события
Блок 1: Теория вероятности
Практика:
Как random forest улучшает качество предсказаний и как это связано с дисперсией
- Линейная алгебра, векторы, матрицы, собственные вектора и значения
Блок 2: Линейная алгебра
Практика:
Применение в SVD-разложении и PCA-анализе
- Производная и разложение функции в ряд Тейлора
Блок 3: Математический анализ
Практика:
Покажем, как это находит применение в градиентном бустинге и методах оптимизации второго порядка
Программа
Записаться на практику 21 апреля
Получить запись вебинара
Воркшоп: Математика машинного обучения на практике. Узнайте, как применять математические концепции в ML, обучая реальные модели на Python. Настоящие данные, hands-on практика и code review от эксперта.
Отправляя заявку, я соглашаюсь на обработку персональных данных