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.
提供方
莫斯科物理科学与技术学院
Yandex
E-Learning Development Fund
机器学习和数据分析 專項課程莫斯科物理科学与技术学院課程信息
394,169 次近期查看
學生職業成果
40%
完成這些課程後已開始新的職業生涯
44%
通過此課程獲得實實在在的工作福利
26%
加薪或升職
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
第 1 門課程（共 6 門）
可靈活調整截止日期
根據您的日程表重置截止日期。
初級
完成時間大約為29 小時
俄語（Russian）
字幕：俄語（Russian）
您將獲得的技能
ScipyStatisticsPython ProgrammingNumpy
學生職業成果
40%
完成這些課程後已開始新的職業生涯
44%
通過此課程獲得實實在在的工作福利
26%
加薪或升職
可分享的證書
完成後獲得證書
100% 在線
立即開始，按照自己的計劃學習。
第 1 門課程（共 6 門）
可靈活調整截止日期
根據您的日程表重置截止日期。
初級
完成時間大約為29 小時
俄語（Russian）
字幕：俄語（Russian）
提供方
莫斯科物理科学与技术学院
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.
教學大綱 - 您將從這門課程中學到什麼
完成時間為 8 小時
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.
完成時間為 8 小時
19 個視頻 （總計 115 分鐘）, 13 個閱讀材料, 7 個測驗
19 個視頻
Как устроена специализация и зачем ее проходить3分鐘
Как устроен этот курс и в чем его главная особенность1分鐘
МФТИ1分鐘
Что такое Python и почему мы выбрали именно его6分鐘
Как установить Анаконду. Windows3分鐘
Как установить Анаконду. Linux4分鐘
Как установить Анаконду. Mac3分鐘
Что такое ноутбуки и как ими пользоваться10分鐘
Типы данных16分鐘
Циклы, функции, генераторы, list comprehension13分鐘
Чтение данных из файлов11分鐘
Запись файлов, изменение файлов8分鐘
Функции и их свойства6分鐘
Предел и производная4分鐘
Геометрический смысл производной2分鐘
Производная сложной функции2分鐘
Задача нахождения экстремума3分鐘
Вторая производная и выпуклость5分鐘
13 個閱讀材料
Формат специализации и получение сертификата2分鐘
МФТИ10分鐘
Немного о Yandex10分鐘
Python FAQ10分鐘
Forum&Chat10分鐘
Инструкция: Как открыть ipython в актуальной версии Anaconda10分鐘
Знакомство с IPython Notebook10分鐘
Конспект30分鐘
Типы данных (ipython notebook)10分鐘
Чтение данных из файлов (ipython notebook)10分鐘
Запись файлов, изменение файлов (ipython notebook)10分鐘
Конспект30分鐘
Конспект10分鐘
6 個練習
Работа с IPython Notebook10分鐘
Знакомство с Python10分鐘
Работа с файлами в Python10分鐘
Синтаксис Python10分鐘
Функции и экстремумы10分鐘
Производная и её применения10分鐘
完成時間為 8 小時
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.
完成時間為 8 小時
14 個視頻 （總計 97 分鐘）, 8 個閱讀材料, 10 個測驗
14 個視頻
Pandas. Индексация и селекция13分鐘
Первое знакомство NumPy, SciPy и Matplotlib16分鐘
Решение оптимизационных задач в SciPy4分鐘
Знакомство с линейной алгеброй5分鐘
Векторные пространства3分鐘
Линейная независимость6分鐘
Операции в векторных пространствах6分鐘
Зачем нужны матрицы?5分鐘
Матричные операции7分鐘
Ранг и определитель5分鐘
Системы линейных уравнений4分鐘
Особые виды матриц4分鐘
Собственные числа и векторы3分鐘
8 個閱讀材料
Pandas. DataFrame (ipython notebook)10分鐘
Pandas. Индексация и селекция (ipython notebook)10分鐘
Первое знакомство с Numpy, Scipy и Matplotlib (ipython notebook)10分鐘
Оптимизация в Scipy (ipython notebook)10分鐘
NumPy: векторы и операции над ними10分鐘
Конспект30分鐘
NumPy: матрицы и операции над ними10分鐘
Конспект30分鐘
9 個練習
Pandas10分鐘
Numpy10分鐘
Pandas, Numpy, Scipy, Matplotlib10分鐘
Базовые понятия линейной алгебры10分鐘
Линейная независимость и размерность10分鐘
Векторные пространства и NumPy10分鐘
Что можно делать с матрицами?10分鐘
Разрешимость систем линейных уравнений и ранги10分鐘
Матрицы и NumPy10分鐘
完成時間為 6 小時
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.
完成時間為 6 小時
12 個視頻 （總計 47 分鐘）, 3 個閱讀材料, 7 個測驗
12 個視頻
Применение градиента3分鐘
Производная по направлению2分鐘
Касательная плоскость и линейное приближение2分鐘
Направление наискорейшего роста2分鐘
Оптимизация негладких функций4分鐘
Метод имитации отжига4分鐘
Генетические алгоритмы и дифференциальная эволюция4分鐘
Нелдер-Мид3分鐘
Разложения матриц в произведение, сингулярное разложение3分鐘
Приближение матрицей меньшего ранга5分鐘
Связь сингулярного разложения и приближения матрицей меньшего ранга6分鐘
3 個閱讀材料
Конспект30分鐘
Конспект30分鐘
Конспект30分鐘
6 個練習
Частные производные10分鐘
Градиент и его применения10分鐘
Повторение: гладкость и градиентный спуск10分鐘
Методы оптимизации в негладких задачах10分鐘
Повторение линейной алгебры10分鐘
Матричные разложения10分鐘
完成時間為 6 小時
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.
完成時間為 6 小時
11 個視頻 （總計 59 分鐘）, 7 個閱讀材料, 7 個測驗
11 個視頻
Свойства вероятности3分鐘
Условная вероятность2分鐘
Дискретные случайные величины4分鐘
Непрерывные случайные величины7分鐘
Оценка распределения по выборке6分鐘
Важные характеристики распределений6分鐘
Важные статистики5分鐘
Центральная предельная теорема5分鐘
Доверительные интервалы6分鐘
Бонусное видео6分鐘
7 個閱讀材料
Работа со случайными величинами (ipython notebook)10分鐘
Конспект30分鐘
Оценка распределения по выборке (ipython notebook)10分鐘
Конспект30分鐘
Материалы к бонусному видео10分鐘
Список литературы10分鐘
Финальные титры10分鐘
6 個練習
Вероятность10分鐘
Случайные величины10分鐘
Вероятность и случайные величины20分鐘
Распределения, параметры и оценки10分鐘
ЦПТ и доверительные интервалы10分鐘
Статистики20分鐘
審閱
來自МАТЕМАТИКА И PYTHON ДЛЯ АНАЛИЗА ДАННЫХ的熱門評論
由 GD 提供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
由 KA 提供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.
由 VK 提供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
由 ST 提供2016年3月21日
Все очень удачно в этом курсе сложено. Есть небольшое "НО", всё же иногда информация подаётся в проброс, и от этого можно потерять нить событий. Некоторые важные вещи стоит осветить подробнее.
關於 机器学习和数据分析 專項課程
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.
常見問題
我什么时候能够访问课程视频和作业？
讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程，则可以免费查看大多数课程资料。要访问评分作业并获得证书，您需要在旁听期间或之后购买证书体验。如果看不到旁听选项：
- 课程可能不提供旁听选项。您可以尝试免费试用，也可以申请助学金。
- 课程可能会改为提供'完整课程，没有证书'。通过此选项，您可以查看所有课程材料、提交所要求的作业，以及获得最终成绩。这也意味着您将无法购买证书体验。
我订阅此专项课程后会得到什么？
您注册课程后，将有权访问专项课程中的所有课程，并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容，可以免费旁听课程。
退款政策是如何规定的？
如果订阅，您可以获得 7 天免费试听，在此期间，您可以取消课程，无需支付任何罚金。在此之后，我们不会退款，但您可以随时取消订阅。请阅读我们完整的退款政策。
有助学金吗？
是的，Coursera 可以为无法承担费用的学生提供助学金。通过点击左侧“注册”按钮下的“助学金”链接可以申请助学金。您可以根据屏幕提示完成申请，申请获批后会收到通知。您需要针对专项课程中的每一门课程完成上述步骤，包括毕业项目。了解更多。
還有其他問題嗎？請訪問 學生幫助中心。
