Математика для анализа данных — хендбук от Яндекса
О чём этот хендбук
Рассмотрим математику в контексте анализа данных и машинного обучения и разберёмся, как на самом деле работают алгоритмы: от линейной алгебры до вероятности и оптимизации. С примерами, задачами и кодом на Python. Хендбук разработан совместно с центром непрерывного образования ФКН ВШЭ и магистерской программой «Искусственный интеллект».
Зачем изучать
Хендбук позволит глубже понять математическую природу современных ИТ‑дисциплин и заполнить пробелы. А ещё подскажет идеи, как применять инструменты анализа данных в смежных сферах: маркетинге, экономике и социальных науках.
Что нужно уметь
Понадобятся базовые знания высшей математики и начальные навыки программирования на Python.
Вступайте в сообщество хендбука
Здесь можно найти единомышленников, экспертов и просто интересных собеседников. А ещё — получить помощь или поделиться знаниями.
1. Введение
Раздел объясняет, как устроен хендбук, как выстроить обучение и работать с системой проверки заданий.
2. Введение в теорию графов
Раздел знакомит с основными понятиями теории графов, их типами, деревьями и способами представления.
3. Основы математического анализа
Раздел раскрывает пределы, производные, градиенты и методы оптимизации для задач анализа данных.
4. Линейная алгебра
Раздел охватывает векторы, матрицы, линейные системы, разложения и линейные модели машинного обучения.
5. Комбинаторика
Раздел учит комбинаторному подсчёту и показывает его роль в алгоритмах и машинном обучении.
6. Теория вероятностей
Раздел вводит вероятностные пространства, случайные величины, зависимости и информационные меры.
7. Продвинутый анализ графов
Раздел развивает теорию графов через спектральные методы, диффузию, ядра и эмбеддинги.
Создано авторами при поддержке