Matematik til datavidenskab. Del 1. Matematisk analyse og lineær algebra - kursus RUB 26.990. fra Specialist, uddannelse 40 akademiske timer, dato 15. maj 2023.
Miscellanea / / December 03, 2023
Professionel programmeringskursus underviser, certificeret udvikler Python Instituttet med generel erhvervserfaring inden for IT-området mere end 20 år. Bygget IT-systemer i 4 virksomheder fra bunden. Mere end 5 år.
Vadim Viktorovich dimitterede fra det russiske statsuniversitet for humaniora i 2000 med en specialisering i informatik og datalogi. En ægte professionel i administrationsspørgsmål DBMS, automatisering af virksomhedens forretningsprocesser (ERP, CRM osv.), skabe testcases og træne medarbejdere.
Kan motivere og fængsle. Han er krævende af sine lyttere, altid klar til at afklare vanskelige punkter. Omfattende erfaring med at arbejde på rigtige projekter giver ham mulighed for at være opmærksom på de detaljer, der normalt overses af nybegyndere.
Modul 1. Introduktion til Jupiter Notebook (Python) (8 ac. h.)
Modul 2. Introduktion til matematisk analyse (16 ac. h.)
- Grundlæggende begreber i matematisk analyse. Vare.
- Mængdelære (sandsynlighedsrum. Diskret rum af elementære resultater. Sandsynlighed på tallinjen og planen. Reglen for addition og multiplikation).
- Metriske rum (Begrebet metrisk rum. Definition af et normeret rum, begrebet en norm, forskel fra en metrik, eksempler på normerede rum. Normen i optimering).
- Sekvenser. Teori om grænser (Cauchys definition. Peanos definition. Beregning af funktionsgrænser. Asymptotiske funktioner. Tilsvarende funktioner. Funktionskompleksitetsvurdering).
- Differentiering (Differentiering af en funktion i et punkt. Partielle derivater og differentialer af højere orden. Gradient. Hessisk matrix. Afledt af en funktion af en variabel. Afledt af en funktion af flere variable).
- Ekstrema af funktioner af mange variable (Definitioner af lokale og globale minimumspunkter. Nødvendig og tilstrækkelig betingelse for ekstremum for konvekse funktioner. Begrebet stationære punkter og - forskellen i deres definition fra ekstremum punkter).
- Integral (ubestemt integral. Bestemt integral. Anvendelser af et bestemt integral og tilnærmede metoder til dets beregning Ukorrekte integraler. Dobbelte integraler. Omtrentlig integrationsmetoder).
- Rækker (begreber af rækker. Konvergens af serier).
- Anvendelse af de studerede dele af matematisk analyse ved hjælp af et generelt eksempel (Jupiter-notesbog). Projekt.
Modul 3. Lineær algebra (16 ac. h.)
- Lineært rum.
- Matricer og matrixoperationer.
- Lineære transformationer.
- Lineære ligningssystemer.
- Ental nedbrydning af matricer.
- Anvendelse af de undersøgte dele af lineær algebra på et generelt eksempel (Jupiter notesbog). Projekt.
Datavidenskab omfatter en bred vifte af tilgange og metoder til indsamling, bearbejdning, analyse og visualisering af datasæt af enhver størrelse. Et separat praktisk vigtigt område af denne videnskab er at arbejde med big data ved hjælp af nye principper matematisk og beregningsmæssig modellering, når klassiske metoder holder op med at virke på grund af deres umulighed skalering. Dette kursus er designet til at hjælpe den studerende med at lære det grundlæggende i fagområdet gennem formulering og at løse typiske problemer, som en datavidenskabsforsker kan støde på i sin egen arbejde. For at lære den studerende at løse sådanne problemer, giver kursets forfattere den studerende det nødvendige teoretiske minimum og viser, hvordan man bruger værktøjsgrundlaget i praksis.
4,2
Du vil genopfriske din viden om matematik, lære grundlæggende formler og funktioner og forstå det grundlæggende i maskinen uddannelse, og du kan starte en karriere i Data Science - IT-virksomheder over hele verden leder efter sådanne specialister.
4,4