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.
提供：
モスクワ物理工科大学（Moscow Institute of Physics and Technology）
Yandex
E-Learning Development Fund
Машинное обучение и анализ данных の専門講座モスクワ物理工科大学（Moscow Institute of Physics and Technology）このコースについて
313,880 最近の表示
受講生の就業成果
40%
コース終了後に新しいキャリアをスタートした
44%
コースが具体的なキャリアアップにつながった
26%
昇給や昇進につながった
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
次における6の1コース
柔軟性のある期限
スケジュールに従って期限をリセットします。
初級レベル
約29時間で修了
ロシア語
字幕：ロシア語
習得するスキル
ScipyStatisticsPython ProgrammingNumpy
受講生の就業成果
40%
コース終了後に新しいキャリアをスタートした
44%
コースが具体的なキャリアアップにつながった
26%
昇給や昇進につながった
共有できる証明書
修了時に証明書を取得
100%オンライン
自分のスケジュールですぐに学習を始めてください。
次における6の1コース
柔軟性のある期限
スケジュールに従って期限をリセットします。
初級レベル
約29時間で修了
ロシア語
字幕：ロシア語
提供：
モスクワ物理工科大学（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.
シラバス - 本コースの学習内容
8時間で修了
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時間で修了
19件のビデオ （合計115分）, 13 readings, 7 quizzes
19件のビデオ
Как устроена специализация и зачем ее проходить3 分
Как устроен этот курс и в чем его главная особенность1 分
МФТИ1 分
Что такое Python и почему мы выбрали именно его6 分
Как установить Анаконду. Windows3 分
Как установить Анаконду. Linux4 分
Как установить Анаконду. Mac3 分
Что такое ноутбуки и как ими пользоваться10 分
Типы данных16 分
Циклы, функции, генераторы, list comprehension13 分
Чтение данных из файлов11 分
Запись файлов, изменение файлов8 分
Функции и их свойства6 分
Предел и производная4 分
Геометрический смысл производной2 分
Производная сложной функции2 分
Задача нахождения экстремума3 分
Вторая производная и выпуклость5 分
13件の学習用教材
Формат специализации и получение сертификата2 分
МФТИ10 分
Немного о Yandex10 分
Python FAQ10 分
Forum&Chat10 分
Инструкция: Как открыть ipython в актуальной версии Anaconda10 分
Знакомство с IPython Notebook10 分
Конспект30 分
Типы данных (ipython notebook)10 分
Чтение данных из файлов (ipython notebook)10 分
Запись файлов, изменение файлов (ipython notebook)10 分
Конспект30 分
Конспект10 分
6の練習問題
Работа с IPython Notebook10 分
Знакомство с Python10 分
Работа с файлами в Python10 分
Синтаксис Python10 分
Функции и экстремумы10 分
Производная и её применения10 分
8時間で修了
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時間で修了
14件のビデオ （合計97分）, 8 readings, 10 quizzes
14件のビデオ
Pandas. Индексация и селекция13 分
Первое знакомство NumPy, SciPy и Matplotlib16 分
Решение оптимизационных задач в SciPy4 分
Знакомство с линейной алгеброй5 分
Векторные пространства3 分
Линейная независимость6 分
Операции в векторных пространствах6 分
Зачем нужны матрицы?5 分
Матричные операции7 分
Ранг и определитель5 分
Системы линейных уравнений4 分
Особые виды матриц4 分
Собственные числа и векторы3 分
8件の学習用教材
Pandas. DataFrame (ipython notebook)10 分
Pandas. Индексация и селекция (ipython notebook)10 分
Первое знакомство с Numpy, Scipy и Matplotlib (ipython notebook)10 分
Оптимизация в Scipy (ipython notebook)10 分
NumPy: векторы и операции над ними10 分
Конспект30 分
NumPy: матрицы и операции над ними10 分
Конспект30 分
9の練習問題
Pandas10 分
Numpy10 分
Pandas, Numpy, Scipy, Matplotlib10 分
Базовые понятия линейной алгебры10 分
Линейная независимость и размерность10 分
Векторные пространства и NumPy10 分
Что можно делать с матрицами?10 分
Разрешимость систем линейных уравнений и ранги10 分
Матрицы и NumPy10 分
6時間で修了
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時間で修了
12件のビデオ （合計47分）, 3 readings, 7 quizzes
12件のビデオ
Применение градиента3 分
Производная по направлению2 分
Касательная плоскость и линейное приближение2 分
Направление наискорейшего роста2 分
Оптимизация негладких функций4 分
Метод имитации отжига4 分
Генетические алгоритмы и дифференциальная эволюция4 分
Нелдер-Мид3 分
Разложения матриц в произведение, сингулярное разложение3 分
Приближение матрицей меньшего ранга5 分
Связь сингулярного разложения и приближения матрицей меньшего ранга6 分
3件の学習用教材
Конспект30 分
Конспект30 分
Конспект30 分
6の練習問題
Частные производные10 分
Градиент и его применения10 分
Повторение: гладкость и градиентный спуск10 分
Методы оптимизации в негладких задачах10 分
Повторение линейной алгебры10 分
Матричные разложения10 分
6時間で修了
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時間で修了
11件のビデオ （合計59分）, 7 readings, 7 quizzes
11件のビデオ
Свойства вероятности3 分
Условная вероятность2 分
Дискретные случайные величины4 分
Непрерывные случайные величины7 分
Оценка распределения по выборке6 分
Важные характеристики распределений6 分
Важные статистики5 分
Центральная предельная теорема5 分
Доверительные интервалы6 分
Бонусное видео6 分
7件の学習用教材
Работа со случайными величинами (ipython notebook)10 分
Конспект30 分
Оценка распределения по выборке (ipython notebook)10 分
Конспект30 分
Материалы к бонусному видео10 分
Список литературы10 分
Финальные титры10 分
6の練習問題
Вероятность10 分
Случайные величины10 分
Вероятность и случайные величины20 分
Распределения, параметры и оценки10 分
ЦПТ и доверительные интервалы10 分
Статистики20 分
レビュー
МАТЕМАТИКА И PYTHON ДЛЯ АНАЛИЗА ДАННЫХ からの人気レビュー
GDにより2018年8月8日
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
KAにより2016年2月15日
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.
VKにより2017年4月11日
Прекрасный практический курс! За месяц очень многое узнал и о Питоне и об анализе данных. Никогда не думал, что смогу так быстро научиться решать достаточно сложные задачи на новом для меня языке
DPにより2016年3月15日
В целом курсом доволен. К сожалению, чтобы успешно пройти тесты курса требуется искать дополнительные источники информации т.к. в материалах самого курса ответы на многие вопросы отсутствуют.
Машинное обучение и анализ данных専門講座について
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.
よくある質問
When will I have access to the lectures and assignments?
Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:
The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
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.
さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。