Mathematics for Data Analysis

2021/2022

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Department of Informatics

Course type:

Bridging course

When:

1 year, 1 module

Instructor

Suvorova, Alena

Программа дисциплины

Аннотация

Целью освоения дисциплины «Математические основы анализа данных» является получение студентами опыта программирования для дальнейшего развития навыков работы с кодом. Задачей курса является является изучение базового синтаксиса языка программирования Python и базовых приемов и шаблонов используемых при решении задач анализа данных на языке программирования Python. Изучение дисциплины будет способствовать развитию навыков практического программирования и анализа данных на примере стандартных задач программирования. В результате изучения дисциплины у студенты, не имеющие опыт программирования, приобретут необходимые навыки для написания кода на языке программирования Python.

Цель освоения дисциплины

• получение студентами опыта программирования для дальнейшего развития навыков работы с кодом

Планируемые результаты обучения

• Знает основные понятия теории вероятностей и математической статистики, примеры распределений
• Умеет выполнять действия с матрицами и векторами, преобразовывать матрицы
• Умеет вычислять производную и определять экстремум, решать задачу оптимизации
• Умеет оценивать параметры в модели, проверять статистические гипотезы
• Умеет решать задачи регрессии и классификации

Содержание учебной дисциплины

• Линейная алгебра и математический анализ
• Теория вероятностей и математическая статистика
• Предсказание и вывод

Элементы контроля

• Домашнее задание
• Экзамен

Промежуточная аттестация

• 2021/2022 учебный год 1 модуль
  0.5 * Домашнее задание + 0.5 * Экзамен

Список литературы

Рекомендуемая основная литература

• Searle, S. R., & Khuri, A. I. (2017). Matrix Algebra Useful for Statistics (Vol. Second edition). Hoboken, N.J.: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1497441
• Линейная алгебра: теория и прикладные аспекты: Учебное пособие / Г.С. Шевцов. - 3-e изд., испр. и доп. - М.: Магистр: НИЦ ИНФРА-М, 2014. - 544 с.: 60x90 1/16. (переплет) ISBN 978-5-9776-0258-7 - Режим доступа: http://znanium.com/catalog/product/438021

Рекомендуемая дополнительная литература

• Murphy, K. P. (2012). Machine Learning : A Probabilistic Perspective. Cambridge, Mass: The MIT Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=480968