Школы

Рейтинг на основе отзывов, авторитетности и популярности

Подборки

Полезные и актуальные курсы, отобранные вручную

Математика для Data Science. 2 часть. Теория вероятностей и математическая статистика

Сложность
Сложность
Продвинутый
Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
С проверкой домашнего задания
Трудоустройство
Трудоустройство
Помощь от школы
Сертификат
Сертификат
Есть

Стоимость курса

27 990 ₽
Есть рассрочка

Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Для успешной работы в этой области необходимы знания разделов высшей математики, таких как теория вероятности и математическая статистика.

Цель курса: освоить основные разделы теории вероятности и математической статистика, необходимые для успешного применения в области Data Science.

Курс рекомендован начинающим специалистам в области Data Science. По окончании курса Вы сможете использовать полученные знания по теории вероятности и математической статистики для старта в данной сфере.

Вы научитесь:
использовать полученные знания по теории вероятности и математической статистики для старта в Data Science.

Что вы получите после обучения

Навыки
1
Математическая статистика
2
Дисперсионный анализ
3
Теория вероятности
4
Проверка статистических гипотез
5
Условная вероятность
6
Взаимосвязь величин
7
Многомерный статистический анализ
Сертификат

Школа

  • Ведущий компьютерный учебный центр России с высочайшим уровнем качества обучения, сервиса и организации учебного процесса
  • Лучший учебный центр авторизованный Microsoft в России, Центральной и Восточной Европе в 2011-2014 гг
  • Центр «Специалист» — первый в России авторизованный учебный центр по обучению Adobe — Adobe Authorised Training Centre
  • Крупнейший авторизованный учебный центр ведущих IT-компаний мира
  • С 2012 г. Центр «Специалист» входит в «Круг совершенства EC-Council»

Преподаватели

Профессиональный преподаватель курсов программирования, сертифицированный разработчик Python Institute с общим стажем работы в сфете IT более 20 лет. С нуля ыстроил ИТ системы в 4 компаниях. Преподавательской деятельностью занимается более 5 лет.

Вадим Викторович окончил в 2000 году РГГУ по специализации «Информатика и вычислительная техника». Настоящий профессионал в вопросах администрирования СУБД, автоматизации бизнес-процессов компаний (ERP, CRM и др.), создании тест-кейсов и обучении сотрудников.

Умеет мотивировать и увлекать. Требователен к своим слушателям, всегда готов разъяснить сложные моменты. Богатый опыт работы над реальными проектами позволяет ему обращать внимание на те детали, которые начинающими разработчиками обычно упускаются из вида.

Программа курса

Модуль 1. Основные понятия теории вероятности. Примеры (4 ак. ч.)

Модуль 2. Случайные события. Условная вероятность. Формула Байеса. Независимые испытания (4 ак. ч.)

Модуль 3. Дискретные случайные величины. Закон распределения вероятностей. Биномиальный закон распределения. Распределение Пуассона (4 ак. ч.)

Модуль 4. Описательная статистика. Качественные и количественные характеристики популяции. Графическое представление данных (4 ак. ч.)

Модуль 5. Непрерывные случайные величины. Функция распределения и плотность распределения вероятностей. Равномерное и нормальное распределение. Центральная предельная теорема (4 ак. ч.)

Модуль 6. Проверка статистических гипотез. P-значения. Доверительные интервалы. (4 ак. ч.)

Модуль 7. Взаимосвязь величин. Параметрические и непараметрические показатели корреляции. Корреляционный анализ. (4 ак. ч.)

Модуль 8. Многомерный статистический анализ. Линейная регрессия (4 ак. ч.)

Модуль 9. Дисперсионный анализ. Логистическая регрессия (4 ак. ч.)

Модуль 10. Применение изученных разделов теории вероятности и математической статистики на общем примере (Jupiter notebook). Проект. (4 ак. ч.)

Рейтинг курса

4.2
Может быть интересно
Математика для Data Science. 2 часть. Теория вероятностей и математическая статистика
На сайт курса

Математика для Data Science. 2 часть. Теория вероятностей и математическая статистика