для

Онлайн-курc
по математике

Программа разработана преподавателями ВМК МГУ, одного из лучших математических факультетов страны.
Data Science
В конце курса вы будете владеть математическим аппаратом, который необходим, чтобы стать специалистов в Data Science. Наш курс идеально подходит к поступлению в ШАД или Computer Science.
Посмотри 2 демо–урока
Заполни данные и пройди демо–уроки
Нажимая "Отправить", вы соглашаетесь с политикой конфиденциальности персональных данных.
Курс рассчитан на 5 месяцев
47 уроков
Вы сможете обучаться в любом темпе
и задавать вопросы в чате
Формат
Курс включается в себя много практики, которая позволит отработать пройденным материал.
36 заданий
Один раз в месяц проводятся
онлайн-встречи с преподавателями
Консультации
Зачем нужна математика в
Data Science
?
Аналитики используют не весь математический инструментарий, лишь несколько разделов. Однако без их знания трудно понять описание нового прорывного алгоритма и тем более его реализовать
Хорошие новости
Сначала математическая формулировка — потом программное решение
Ведь математика — одна и та же, а язык программирования выбирают, исходя из доступных средств и необходимой скорости работы алгоритма
Цель аналитика состоит не в написании программы, а в оценке гипотезы. Язык описания и проверки гипотез — это и есть математика
Анализ данных отличается от разработки приложений
Рекомендации товаров, движение денег, распознавание сущностей и паттернов. На математическом уровне к этим разрозненным предметам применимы одинаковые инструменты
Дата-сайентисты исследуют разные гипотезы
Кому подойдет этот курс?
Текущим программистам и аналитикам, которые хотят повысить свой уровень или перейти в новую область
Начинающим специалистам, которые хотят освоить востребованную профессию в Data Science
Тем, кто готовиться к поступлению ШАД и хочет знать ответы на каверзные вопросы
Чему вы научитесь?
Подготовитесь к ШАД
В программу курса входит материал, необходимый вам для успешной сдачи вступительных экзаменов
в Школу анализа данных Яндекс.
Вы усвоите специальную терминологию и сможете читать статьи по Data Science без постоянных обращений к поисковику.
Математические термины
Вы узнаете роль чисел, формул и функций в разработке алгоритмов машинного обучения.
Математические основы Machine Learning
Программа занятий
Модуль 1. Математический анализ
Изучим пределы, дифференцируемость и ряды. Научимся считать разные интегралы.
Модуль 2. Линейная алгебра
Научимся работать с матрицами, узнаем что такое СЛАУ и как их решать.
Модуль 3. Комбинаторика
Узнаем основные правила комбинаторики и научимся с ними работать.
Модуль 4. Теория вероятностей и математическая статистика
Изучим что такое случайные величины и события, матожидание, дисперсия и корреляция. Разберемся в законах распределения и какие они бывают. Сформулируем гипотезы для A/B-тестирования.
Модуль 5. Машинное обучение.
Узнаем как пройденное применяется в работе Data Scientists
Модуль 0. Школьная математика
Научимся брать производную, считать интеграл, исследовать функцию. Познакомимся с последовательностями и прогрессиями. Узнаем что такое неравенства.
Этапы обучения на курсе
Чтобы процесс обучения стал более интересным и комфортным, студенты получат от нас обратную связь. Кураторы и преподаватели курса ответят на все вопросы по теме лекций и практических занятий.
Коммуникация и обратная связь
Каждую тему ведет преподаватель с многолетним опытом работы со студентами. Он дополнит теорию яркими примерами из личной практики, которые помогут понять тему занятия.
Изучаете подготовительный материал
В конце каждого занятия даются задачи с возрастающим уровнем сложности. Решая их, вы сможете глубже усвоить материал, а также обсудить проблемы с сокурсниками в общем чате.
Самостоятельная подготовка
На завершающем этапе вас ждет специальное задание, которое позволит применить все полученные знания и подтвердить успешное изучение материала.
Сдача выпускного экзамена
Преподаватели
Кандидат физико-математических наук, доцент факультета ВМК МГУ. Читает лекции по математическому анализу двум первым курсам факультетам ВМК МГУ и ФКН ВШЭ. Преподавательский стаж – более 12 лет. Вел совместные исследования с учеными института IIASA, Лаксенбург, Австрия. Автор популярной страницы ВКонтакте «Ёжик в матане».
Алексей Никитин
Кандидат физико-математических наук, доцент факультета ВМК МГУ. Автор задачника «Алгебра и аналитическая геометрия: теоремы и задачи», используемого на факультете ВМК МГУ. Свыше 25 лет преподает линейную алгебру и математический анализ. Является автором более 80 научных публикаций.
Леонид Крицков
Магистр по специальности вычислительная математика, аспирант кафедры общей математики факультета ВМК МГУ. Научные интересы: дифференциальные уравнения, компьютерная графика, интерфейсы пользователя.
Дмитрий Емельянов
Кандидат физико-математических наук, доцент факультета ВМК МГУ. Преподает теорию вероятностей и математическую статистику более 28 лет. Является автором более 70 научных публикаций, в том числе связанных с обработкой больших объемов данных.
Татьяна Захарова
Ex-Data Scientist ПАО «Мегафон». Среди разработанных решений были собственные морфологический, синтаксический и семантический анализаторы. Работал с крупными проектами по обработке естественного языка и анализом аудио.
Артур Сапрыкин
Тарифы
Скидка 56% при оплате полностью.
30 000 ₽
Осталось 7 мест из 20
Полный доступ к курсу "Высшая математика для Data Science Pro"
Домашние задания и практические материалы
Общение в чате с другими студентами курса
Обратная связь от преподавателей
67 996 ₽
Плюс
77 996 ₽
40 000 ₽
Осталось 5 мест из 20
Полный доступ к курсу "Школьная математика" (открытый нулевой модуль)
Полный доступ к курсу "Высшая математика для Data Science Pro"
Обратная связь от преподавателей
Домашние задания и практические материалы
Общение в чате с другими студентами курса
Ультра
Скидка 49% при оплате полностью.
Рассрочка курса стоимостью 45 000 на 12 месяцев.

Мы предоставляем рассрочку от Тинькофф банка. При оплате частями вы не переплачиваете проценты.
от 3750 ₽ в месяц
Ультра
Click to order
Total: 
Нажимая "Отправить", вы соглашаетесь с политикой конфиденциальности персональных данных.
Предложи свою идею для курса, и мы ее реализуем
Не нашли то, что искали?
Вопросы-ответы
Сколько часов в неделю мне нужно будет уделять учёбе?
Всё зависит только от вас. В среднем наши студенты занимаются от трёх до пяти часов в неделю.
Я смогу общаться с преподавателями?
У вас будет куратор в Telegram-чате, а преподаватель лично прокомментирует домашние задания и даст полезные советы. Вы всегда сможете получить ответы на вопросы по теме урока. Так вы сможете перенять опыт, профессиональные знания и лайфхаки.
Действуют ли какие-нибудь программы рассрочки?
Да, вы можете купить курс в рассрочку — и спланировать свой бюджет, разбив всю сумму на мелкие ежемесячные платежи.