Кому подойдёт

Начинающим аналитикам
Чтобы закрыть пробелы в статистике, понимать контекст применения статистических тестов и освоить методы визуализации больших данных
Начинающим специалистам по Data Science
Чтобы разобраться, что «под капотом» у знакомых инструментов, и с лёгкостью осваивать новые
Тем, кто готовится к собеседованиям
в IT-компании
Чтобы подтянуть нужные знания и быть готовым к любым вопросам, даже если со школы не вспоминали математику
Выпускникам и студентам курсов
по анализу данных
Чтобы укрепить навыки и претендовать на вакансии, где ценят хорошее знание математики

Как мы учим

Курс можно пройти за 4 месяца, но он не привязан к расписанию — занимайтесь в любое удобное время

Будете учить то, что точно пригодится в работе

Мы развиваемся вместе с индустрией и постоянно обновляем программу — поэтому она всегда актуальна
Бесплатная часть1 час
Бесплатный вводный урок
Узнаете, для понимания каких инструментов анализа данных и Data Science нужен каждый раздел математики. Пройдёте небольшую симуляцию собеседования на платформе.

Тема 1. Связь математики и современных инструментов анализа данных
Тема 2. Примеры задач с собеседований
1 модуль47 часов
Линейная алгебра
Научитесь использовать матрицы, векторы, нормы, определители. Сможете читать обозначения и оперировать формулами. Узнаете, почему косинусное расстояние используется для сравнения текстов. Разберётесь в особенностях применения линейной алгебры в анализе данных.
Тема 1. Векторы
  • Операции над векторами
  • Векторное пространство
  • Линейная независимость
  • Базис
Тема 2. Нормы
  • Основы тригонометрии
  • Скалярное произведение векторов
  • Нормы вектора
  • Связь L2 нормы и скалярного произведения
  • Расстояния между векторами
Тема 3. Матрицы
  • Арифметические операции над матрицами и их свойства
  • Умножение матрицы на вектор
  • Матричное перемножение
Тема 4. Обратная матрица и определитель
-Обратная матрица - Вырожденная матрица - Определитель, его применение и смысл - Упрощение матричных выражении
2 модуль42 часа
Математический анализ
Освоите семейства и характеристики функций. Узнаете практическое значение производной и интеграла. Разберётесь в алгоритме градиентного спуска, который лежит в основе нейронных сетей и градиентного бустинга.
Тема 1. Функции
  • Определение функции и графика функции
  • Линейная функция
  • Полиномиальная функция
  • Описание данных с помощью функций
  • Показательная функция
  • Логарифм
  • Обратная функция
  • Модуль
  • Композиция функции
Тема 2. Производные и интегралы
  • Предел
  • Производная
  • Правила нахождения производных
  • Экстремумы функции
  • Свойства функций: монотонность, выпуклость
  • Интеграл
Тема 3. Функции нескольких переменных
  • Функция нескольких переменных
  • Визуализация функции двух переменных
  • Частная производная
  • Градиент функции
  • Экстремумы функции нескольких переменных
  • Градиентный спуск
3 модуль38 часов
Приложения линейной алгебры в анализе данных
Поймёте, как работают методы линейной регрессии и сингулярного разложения. Узнаете, как связаны собственные числа с матричными разложениями PCA и SVD, и научитесь их вычислять. Научитесь сокращать размерность больших данных и визуализировать их. Узнаете, как найти решение линейной регрессии с помощью градиентного спуска, и лучше поймёте, как обучается нейронная сеть.
Тема 1. Линейная регрессия
  • Определение модели линейной регрессии
  • Нахождение параметров линейной регрессии как решение СЛУ
  • Функция ошибки и её минимизация
  • Аналитическое решение для параметров регрессии
  • Коллинеарность в данных, регуляризация
  • Градиентный спуск для нахождения параметров линейной регрессии
Тема 2. Сингулярное разложение, PCA, визуализация данных большой размерности
  • Собственные значения и векторы матрицы
  • Геометрическое представление собственных векторов
  • Матрица ковариации
  • Сингулярные векторы, cингулярное разложение SVD
  • Применения сингулярного разложения, PCA
4 модуль72 часа
Теория вероятностей и статистика
Узнаете, как принимаются решения на основе статистических данных. Разберётесь в теореме Байеса и других формулах теории вероятностей. Узнаете, что такое A/B-тест, доверительный интервал и бутстрэп.
Тема 1. Дискретные случайные величины
  • Исход, событие, вероятность
  • Дискретные случайные величины и их свойства
  • Дискретные распределения
  • Совместное распределение и ковариация
  • Условная вероятность, теорема Байеса
  • Сэмплирование, базовая визуализация данных
  • Основные описательные статистики
Тема 2. Непрерывные случайные величины
  • Непрерывные случайные величины
  • Нормальное распределение и ЦПТ
  • Совместное распределение, связь величин, корреляция
  • Условная вероятность и теорема Байеса для непрерывных величин
  • Гистограммы и описательные статистики для непрерывных величин
Тема 3. Статистическая оценка параметров
  • Вероятность и правдоподобие
  • Оценка параметров распределения
  • Метод максимального правдоподобия
  • Поиск параметров линейной регрессии с вероятностной точки зрения
Тема 4. Статистические эксперименты и проверка гипотез
  • Вероятностное принятие решений
  • Доверительные интервалы
  • A/B тестирование
  • Параметрические тесты
  • Размер выборки, его связь с ошибкой
Тема 5. Методы статистической проверки гипотез
  • Непараметрические тесты
  • Бутстрэп
  • Нелинейное преобразование данных
  • Множественная проверка гипотез
Дополнительный модуль
Симуляция математической секции собеседования
Пройдёте симулятор математической секции собеседования на позицию аналитика или специалиста по Data Science в нашем тренажёре.

Что вы получите в Практикуме

Навыки, которые нужны работодателям
Опыт тестового собеседования в симуляторе
Сообщество специалистов самых разных профессий
Опыт решения задач, которые задают на собеседованиях
Сертификат о дополнительном образовании

Что ещё важно

Советуем проходить по 5 уроков в неделю
В таком темпе вы освоите курс за 4 месяца. Задать вопрос преподавателю можно в течение 5 месяцев: если захотите сделать перерыв или повторить основы теории вероятностей перед последним модулем — время на это будет.
В любой момент вернём деньги
Вы можете вернуть деньги за оставшуюся часть программы: для этого не нужно ничего доказывать и называть причину.
Вы учитесь в своём темпе, но с дедлайнами
На курсе много «мягких» и один «жёсткий» дедлайн. Мягкие — с напоминанием пройти часть курса — будут каждые 2 недели. Жёсткий наступит через 5 месяцев: закроется доступ к чату с преподавателем. Но доступ к материалам останется навсегда, чтобы вы могли проходить их самостоятельно.

Отвечаем на вопросы