Data analysis (Software Engineering) — различия между версиями
Apogentus (обсуждение | вклад) |
Apogentus (обсуждение | вклад) |
||
Строка 1: | Строка 1: | ||
'''Контакты:''' Виктор Китов v.v.kitov@yandex.ru | '''Контакты:''' Виктор Китов v.v.kitov@yandex.ru | ||
− | '''Обратная связь:''' [http://goo.gl/forms/CT3h4QaMeB написать комментарий или пожелание по курсу | + | '''Обратная связь:''' [http://goo.gl/forms/CT3h4QaMeB написать комментарий или пожелание по курсу] |
<br /> | <br /> | ||
<br /> | <br /> | ||
Строка 11: | Строка 11: | ||
От студентов требуются знания линейной алгебры, математического анализа и теории вероятностей. | От студентов требуются знания линейной алгебры, математического анализа и теории вероятностей. | ||
+ | |||
+ | |||
+ | == Программа курса == | ||
+ | |||
+ | |||
Версия 00:32, 13 января 2016
Контакты: Виктор Китов v.v.kitov@yandex.ru
Обратная связь: написать комментарий или пожелание по курсу
Краткое описание
В курсе рассматриваются основные задачи анализа данных и обучения по прецедентам: классификация, кластеризация, регрессия, понижение размерности, ранжирование, коллаборативная фильрация. По изложению для каждой рассматриваемой задачи изучаются математические основы методов, лежащие в их основе предположения о данных, взаимосвязи методов между собой и особенности их практического применения.
Большое внимание уделено освоению практических навыков анализа данных, отрабатываемых на семинарах, которое будет вестись с использованием языка python и соответствующих библиотек для научных вычислений.
От студентов требуются знания линейной алгебры, математического анализа и теории вероятностей.
Программа курса
Темы лекций
Лекция 1. Основные понятия и примеры прикладных задач.
Дополнительные материалы: The Field Guide to Data Science