Matematikk for datavitenskap. Del 1. Matematisk analyse og lineær algebra - kurs RUB 26.990. fra Spesialist, opplæring 40 akademiske timer, dato 15. mai 2023.
Miscellanea / / December 03, 2023
Profesjonell programmeringskurslærer, sertifisert utvikler Python Institute med generell arbeidserfaring innen IT-feltet mer enn 20 år. Bygget IT-systemer i 4 bedrifter fra bunnen av. Mer enn 5 år.
Vadim Viktorovich ble uteksaminert fra det russiske statsuniversitetet for humaniora i 2000 med spesialisering i informatikk og informatikk. En ekte profesjonell i administrasjonsspørsmål DBMS, automatisering av bedriftens forretningsprosesser (ERP, CRM etc.), lage testcases og lære opp ansatte.
Kunne motivere og fengsle. Han er krevende av sine lyttere, alltid klar til å avklare vanskelige punkter. Omfattende erfaring med å jobbe med ekte prosjekter lar ham ta hensyn til de detaljene som vanligvis overses av nybegynnere.
Modul 1. Introduksjon til Jupiter Notebook (Python) (8 ac. h.)
Modul 2. Introduksjon til matematisk analyse (16 ac. h.)
- Grunnleggende begreper i matematisk analyse. Punkt.
- Mengdeori (sannsynlighetsrom. Diskret rom av elementære utfall. Sannsynlighet på tallinjen og planet. Regel for addisjon og multiplikasjon).
- Metriske rom (begrepet metrisk rom. Definisjon av et normert rom, begrepet en norm, forskjell fra en metrikk, eksempler på normerte rom. Normen i optimalisering).
- Sekvenser. Teori om grenser (Cauchys definisjon. Peanos definisjon. Beregning av funksjonsgrenser. Asymptotiske funksjoner. Tilsvarende funksjoner. Funksjonskompleksitetsvurdering).
- Differensiering (Differensiabilitet av en funksjon i et punkt. Partielle derivater og differensialer av høyere orden. Gradient. Hessisk matrise. Derivert av en funksjon av én variabel. Derivert av en funksjon av flere variabler).
- Ekstrema av funksjoner av mange variabler (Definisjoner av lokale og globale minimumspoeng. Nødvendig og tilstrekkelig betingelse for ekstremum for konvekse funksjoner. Konseptet med stasjonære punkter og - forskjellen i deres definisjon fra ekstremumpunkter).
- Integral (ubestemt integral. Sikker integral. Anvendelser av et bestemt integral og tilnærmede metoder for beregning av det.. Uriktige integraler. Doble integraler. Omtrentlig integreringsmetoder).
- Rader (konsepter av rader. Konvergens av serier).
- Anvendelse av de studerte delene av matematisk analyse ved hjelp av et generelt eksempel (Jupiter notatbok). Prosjekt.
Modul 3. Lineær algebra (16 ac. h.)
- Lineær plass.
- Matriser og matriseoperasjoner.
- Lineære transformasjoner.
- Systemer av lineære ligninger.
- Singular dekomponering av matriser.
- Anvendelse av de studerte delene av lineær algebra på et generelt eksempel (Jupiter notatbok). Prosjekt.
Datavitenskap inkluderer et bredt spekter av tilnærminger og metoder for å samle inn, behandle, analysere og visualisere datasett av alle størrelser. Et eget praktisk viktig område av denne vitenskapen er å jobbe med store data ved å bruke nye prinsipper matematisk og beregningsmessig modellering, når klassiske metoder slutter å virke på grunn av deres umulighet skalering. Dette kurset er laget for å hjelpe studenten å lære det grunnleggende innen fagområdet gjennom formulering og løse typiske problemer som en datavitenskapsforsker kan støte på i hans eller henne arbeid. For å lære studenten å løse slike problemer, gir forfatterne av emnet studenten det nødvendige teoretiske minimumet og viser hvordan man kan bruke verktøygrunnlaget i praksis.
4,2
Du vil friske opp kunnskapen din om matematikk, lære grunnleggende formler og funksjoner og forstå det grunnleggende om maskin opplæring og du kan starte en karriere innen Data Science - IT-selskaper over hele verden ser etter slike spesialister.
4,4