Математика для анализа данных (2022) — различия между версиями
(major edits) |
м (add course annotation) |
||
Строка 1: | Строка 1: | ||
==О курсе== | ==О курсе== | ||
+ | В ходе курса слушатели узнают (или повторят) основы математического анализа, линейной алгебры, теории вероятности и математической статистики, а также познакомятся с наиболее популярными математическими моделями и методами в анализе данных | ||
Занятия проводятся на [https://events.webinar.ru/54933491/1963863030 Webinar.ru] '''по пятницам с 18:00 до 19:20''' | Занятия проводятся на [https://events.webinar.ru/54933491/1963863030 Webinar.ru] '''по пятницам с 18:00 до 19:20''' |
Версия 08:54, 22 сентября 2022
Содержание
О курсе
В ходе курса слушатели узнают (или повторят) основы математического анализа, линейной алгебры, теории вероятности и математической статистики, а также познакомятся с наиболее популярными математическими моделями и методами в анализе данных
Занятия проводятся на Webinar.ru по пятницам с 18:00 до 19:20
Контакты
Канал курса в TG: channel link
Чат курса в TG: chat link
Преподаватели: Кантонистова Елена Олеговна (модуль 1), Ульянкин Филипп Валерьевич (модуль 2)
Ассистенты | Контакты |
---|---|
Илья Никитин | @is_nikitin |
Анна Косовская | @a_dtc |
Материалы курса
Ссылка на плейлист курса на YouTube: https://www.youtube.com/playlist?list=PLmA-1xX7IuzD4R7_JIEp6zkmdAgELx3ax
Ссылка на GitHub с материалами курса: [GitHub]
Занятие | Тема | Дата | Преподаватель | Материалы для самоподготовки к семинарам | Дополнительные материалы |
---|---|---|---|---|---|
1 | [Ноутбук] Производная. Градиентный спуск для функции одной переменной | 16.09.22 | Елена Кантонистова | ||
2 | 23.09.22 | Елена Кантонистова | |||
3 | 30.09.22 | Елена Кантонистова | |||
4 | 07.10.22 | Елена Кантонистова | |||
5 | 14.10.22 | Елена Кантонистова | |||
6 | 21.10.22 | Елена Кантонистова |
Формула оценивания
Оценка = 0.3*тесты + 0.7*ДЗ
В начале занятия - тест (4-5 несложных вопросов) по теме предыдущего занятия.
Домашние задания
Домашки сдаются в систему Anytask. Для доступа к курсу нужно ввести инвайт YQ66EHX
Все дедлайны по домашним заданиям мягкие. За каждую неделю просрочки сдачи задания после мягкого дедлайна - минус 1 балл от оценки. Однако штраф не превысит 3 балла. Т.е. при идеальном выполнении работы и сдаче её в последний день перед сессией вы получаете 7 баллов.
- Практическая работа №1 (Экстремумы функций, градиентный спуск и метод Ньютона): Мягкий дедлайн - 01.10 в 12:00; Жесткий - конец модуля.
- Практическая работа №2
- Практическая работа №3
- Практическая работа №4
Литература
- Линейная алгебра, дифференциальное исчисление функций одной переменной : учебник для вузов, Бурмистрова, Е. Б., 2010
- Математический анализ и дифференциальные уравнения : учебник для вузов, Бурмистрова, Е. Б., 2010
- Чернова. Теория вероятностей: Учебное пособие / СибГУТИ.— Новосибирск, 2009
- Математические основы теории вероятностей, Неве, Ж., 1969
- Теория вероятностей и математическая статистика : учеб. пособие для вузов, Шведов, А. С., 2005
- Комбинаторика, Виленкин, Н. Я., 2013