Data analysis (Software Engineering)
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.
Темы лекций
Лекция 1. Основные понятия и примеры прикладных задач.
Дополнительные материалы: The Field Guide to Data Science
