Курс «Математика
для анализа данных»

Ведущим критерием успешности курса я считаю положительный ответ на вопрос: «Посоветовал бы я его себе?». Сегодня я могу уверенно ответить на него – «Да». В моём случае (в 20 лет) высшая математика была недооценена в важности обучения, поэтому я упустил много полезных знаний, имея все доступные инструменты. А сейчас в 28 лет совмещать обучение с работой казалось чем-то непосильным. Самому крайне тяжело строить трек обучения, поэтому я доверился профессионалам. Благодаря курсу я не только освежил знания, но и нарастил их. ЯП, спасибо!

Я нахожусь на старте карьеры анализа данных и хотел углубить свои знания математики и статистики. С теорией вероятности и статистикой всегда был на "Вы". После курса появилось много новых знаний этих разделов, теперь такие задачи не вводят в ступор. Очень рекомендую курс всем кто подзабыл разделы линейной алгебры и матанализа или хочет их узнать, теория и практика раскрываются очень хорошо, готовьтесь, будет много задач :) если что-то дается тяжело крутейшие преподаватели всегда готовы объяснить и направить в нужную сторону.

Я – бакалавр лингвистики (специальность – Теоретическое экспериментальное языкознание), но на 3 курсе заинтересовалась машинным обучением. Я начала изучать соответствующие разделы математики по мере возможностей, написала диплом, практической частью которого было применение алгоритмов ML и по окончания университета через какое-то время перешла в разработчики, выбрав бэкенд. В августе 2022 года компания, в которой я работала, закрыла свой российский бизнес, я осталась без работы и, получив некоторую передышку, стала думать, что же делать дальше. Я поняла, что хотела бы развиваться и в сфере ML, но при этом я прекрасно осознавала, что мне нужно подтянуть математику. И тут как раз появился новый курс в Практикуме, на который я записала практически сразу.

Меня привлекла программа курса, а также его формат – дедлайнов нет, можно идти в своём темпе. Мне кажется, это, с одной стороны, это очень здорово, потому что ты не чувствуешь давления из-за приближения дедлайна, с другой стороны – для этого нужны навыки тайм-менеджмента :) Что ещё является однозначным плюсом – возможность выбирать, какие темы проходить. Но я прошла все, потому что у меня была в этом необходимость. Мне очень понравились контрольные – есть и обычные задачи, которые нужно решать самостоятельно, ручкой в тетрадке, и тут же – практика на Python, что, на мой взгляд, очень полезно, потому что знакомит с соответствующими инструментами языка. Что касается непосредственно самого курса, то здесь у меня нет никаких замечаний. Наличие сюжета, с одной стороны, оживляет повествование о зачастую непростых вещей, а с другой – связывает теорию с практикой и применением полученных знаний в реальном мире.

Конечно, на мой взгляд, изучение математики не прекращается завершением этого курса. Но он, по моему мнению, задаёт направление, в котором можно углублять свои знания.

От курса я в полном восторге. Прямо сейчас я прохожусь по пройденному материалу, чтобы закрепить знания, и в очередной раз ловлю себя на мысли: как же хорошо этот курс сделан! Недавно в разговоре с другом я услышал фразу «математика? Это же скучно» и в том же момент усмехнулся про себя – её тебе просто скучно преподавали. Я получил большое удовольствие проходя теорию и решая задачки, которые были не слишком легкими, но и не слишком сложными. Ни разу у меня не возникло, ощущения что то, что я изучаю, это что-то слишком абстрактное и ненужное. Я очень благодарен Практикуму за проделанную работу.

Переходил из инженеров в инженеры, из civil в data, если быть точным. Курс математики для анализа данных даёт базу для понимания происходящего "под капотом" алгоритмов ML и позволяет увереннее себя чувствовать при использовании мат. методов в программировании.

Было бы классно, если бы вся эта теория входила в курс анализа данных или data science, но и сами курсы из-за этого пришлось бы "растягивать", так что пользуйтесь модулем автономно, получайте знания. Курс вдобавок непрерывно пополняется и становится лучше и лучше, своих денег он определенно стоил.

Я - инженер. И сколько работаю, всегда был работал инженером. В работе инженером на заводе не встретишь интегралов. И производных тоже не встретишь. Но в какой-то момент ты понимаешь, что порой нужно что-то большее, чем MS Excel и summ в нём. Мир и явления в нём пронизаны взаимосвязями и секрет успеха любого проекта и предприятия не в том, чтобы делать что-то быстро, гениально и много, а в том, чтобы делать то, что важно и нужно, но, и это главное, ни в коем случае не делать то, что не нужно! Банальность вы скажете, а я вам отвечу, что у нас с коллегами на одном заводе даже был ритуал, который мы называли: "Кормить синюю Баку"."Бакой" мы называли мифическое существо, которое жило в цеху и дела в цеху шли не очень, если "" была не кормлена. "Бака" - это здоровенный, синий бак (контейнер) для металлических отходов. За несколько лет на моих глазах было столько всего сделано, что потом отправлялось в этот бак практически сразу после изготовления потому, что оказывалось не нужным. И вот так я пришёл к тому, чтобы начать формулировать любые задачи на языке математики, чтобы понимать их ценность и эффективность. Разбираться в математике мне помогает Яндекс. Практикум. На его первый курс я попал совершенно случайно. Я хотел выбрать курс "Аналитик данных", но в итоге ткнул на госуслугах не туда и попал на курс "Data Science". После того курса мне очень захотелось хотя бы чуточку приблизится к пониманию, как всё это устроено и на чём основано. Мне стали интересны не только инструменты, которыми пользуются в машинном обучении, но и их принципы. Мне захотелось научится говорить на новом языке - понимать математику за записями в формулах и непонятными значками. Я, как и все, пользовался математикой в повседневных целях: сложить, посчитать, прикинуть... Ничего более. Мы все её знаем на этом уровне. А ещё мы знаем, что есть страшные формулы и туда лучше не лезть. Но мой первый опыт обучения в Яндекс. Практикум показал, что нашлись люди, которые поставили себе задачу сделать сложные материалы доступными для понимания средних обывателей - таких, как я. И у них получилось! Сложно и долго, но всё таки можно идти путём понимания математических рассуждений, продираясь через кучу всевозможных ответвлений и объяснений всего вспомогательного. На каждой новой теме и в каждом новом уроке мне казалось, и сейчас кажется, что я ничего не запомнил, и всё ещё ничего не понимаю, но в беседах с коллегами я замечаю, что всё таки мои рассуждения, с приходом в них математики, изменились. Мне, конечно же, далеко до настоящих математиков и до Data Scientist'ов тоже далеко, но всё таки чертовски приятно, когда ты смотришь на данные или процессы, или явления, а в голове уже сами собой рождаются оценки, гипотезы, вероятности и пути их вычислений. И это круто! Это длинный и трудный путь по которому я всё ещё иду, но пока, что не пожалел, даже не взирая на трудности.

На курсе я узнала, как всё в мире можно представить в виде векторов и матриц, выявить структуры, рассчитать вероятность, сделать предположения о развитии и выбрать лучшее.

Теория вероятностей была не простой… но я увидела, как она интересна и важна для анализа.

Все методы отрабатываются на Python: от сложения векторов – через градиентный спуск – до бутстрепа.

Преподаватели помогали подробно разобраться в теории, а ещё задавали обучающие вопросы – обдумывая их, я сама решала задачи.

Курс современный и дружелюбный: на интерактивах можно менять переменные и видеть, что происходит, а задачи были из жизни и с юмором. Удобный поиск по курсу помогал быстро повторить понятия и формулы.