курс про математику, без которой машинное обучение остаётся набором вызовов библиотек: линейная алгебра, вероятность и статистика, оптимизация. Разбираем ровно то, что потом встречается в моделях.
4 модуля, 11 темJuniorИндивидуально с ментором
Программа
Вводный модуль
О курсе: зачем ML-инженеру математика
Модуль 1. Линейная алгебра
Векторы: признаки как точки в пространстве
Матрицы и матричные операции
Линейные преобразования, собственные значения, SVD
Модуль 2. Вероятность и статистика
Случайные величины и распределения
Матожидание, дисперсия, условная вероятность и Байес
Описательная статистика, закон больших чисел и ЦПТ
Проверка гипотез: p-value, ошибки I и II рода
Модуль 3. Оптимизация и численные методы
Производные и градиент: как модель учится
Градиентный спуск и его варианты (SGD, mini-batch)
Регуляризация как L1/L2-норма; переобучение глазами математики
Что разбираем
Векторы как точки в пространстве признаков, матрицы и матричные операции, линейные преобразования, собственные значения и SVD
Случайные величины и распределения, матожидание и дисперсия, условная вероятность и теорема Байеса, описательная статистика, закон больших чисел и центральная предельная теорема, проверка гипотез — p-value, ошибки первого и второго рода
Производные и градиент, градиентный спуск и его варианты (SGD, mini-batch), регуляризация как L1- и L2-норма, переобучение глазами математики
Как проходит обучение
Занятия один на один с ментором под ваш темп и пробелы
Материалы курса открываются в личном кабинете, практику разбираете на встречах
Программа собирается под цель: подготовка к собеседованию или рабочая задача