• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Прикладная статистика для машинного обучения

программа повышения квалификации

С неопределенностью и случайностью мы регулярно сталкиваемся в повседневной жизни. И математика помогает нам разобраться с частью этих неопределённостей. Так, знание теории вероятностей и статистики позволяет нам делать обоснованные суждения о том, что может произойти, основываясь на собранных ранее данных. На курсе “Прикладная статистика для машинного обучения” вы познакомитесь с базовыми концепциями и методами математической статистики, которые используются в анализе данных.

38

академических часов, в том числе 36 часов лекций и семинаров.

44 000


Оплату можно разбить на две части.

Для студентов, выпускников и слушателей основных и дополнительных программ НИУ ВШЭ предусмотрены скидки.

По итогам программы выдается Удостоверение о повышении квалификации установленного НИУ ВШЭ образца.

Начальные требования

Законченное высшее или среднее профессиональное образование. Слушателями также могут стать студенты, получающие высшее образование.

Документы для зачисления

Сканированные копии:

  1. паспорта (3-4 страница, а также страница с адресом регистрации);
  2. диплома о высшем или среднем профессиональном образовании (первые две страницы);
  3. актуальной справки из вуза (если вы являетесь студентом);
  4. свидетельства о смене фамилии (если в паспорте и дипломе фамилия не совпадает).

Расписание 

10 ноября 2020 — 19 января 2021

Занятия один раз в неделю: по вторникам (19:00-22:00), очно. 

Место проведения: Покровский бульвар, 11



Для прохождения курса вам понадобятся основы программирования на Python и знание базовых разделов теории вероятностей и математического анализа.

 

Записаться на программу

Преподаватель

 

Леонид Иосипой

Младший научный сотрудник Международной лаборатории стохастических алгоритмов и анализа многомерных данных факультета компьютерных наук НИУ ВШЭ.

Младший научный сотрудник Лаборатории математических методов предсказательного моделирования ИППИ РАН (с 2015 года).

Окончил механико-математический факультет МГУ им. В.М. Ломоносова по специальности «Математика».

 

 

Как устроено обучение

Занятия проходят раз в неделю. Каждое занятие состоит из лекции и семинара. На лекции преподаватель объясняет новый материал и знакомит слушателей с базовыми концепциями математической статистики. На семинаре слушатели работают с данными и решают реальные задачи с помощью Python и его библиотек. После каждого занятия выдаётся домашнее задание, которое поможет закрепить навыки.

Программа курса

  • Метод Монте-Карло. Оценивание параметров и сравнение оценок. Метод моментов. Метод максимального правдоподобия.
  • Выборочное среднее, выборочная медиана и выборочная мода. Тяжелые хвосты и распределение Коши. Оценка дисперсии и ковариации. Доверительные интервалы.
  • Статистическая проверка гипотез. Критерий согласия. Проверка гипотезы равномерности, показательности и нормальности. Бутстрап.
  • А/В Тестирование. Планирование эксперимента. Метрики.
  • Линейные модели со статистической точки зрения. Вероятностные предположения. Теорема Гаусса-Маркова. Проверка гипотез для линейных моделей. Измерение важности признаков.
  • Временные ряды. Модели тренда и сезонности. Статистические модели временных рядов. Адаптивные модели. Корреляции между временными рядами.

Записаться на программу