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.
академических часов, в том числе 36 часов лекций и семинаров.
Оплату можно разбить на две части.
Для студентов, выпускников и слушателей основных и дополнительных программ НИУ ВШЭ предусмотрены скидки.
Начальные требования
Законченное высшее или среднее профессиональное образование. Слушателями также могут стать студенты, получающие высшее образование.
Документы для зачисления
Сканированные копии:
- паспорта (3-4 страница, а также страница с адресом регистрации);
- диплома о высшем или среднем профессиональном образовании (первые две страницы);
- актуальной справки из вуза (если вы являетесь студентом);
- свидетельства о смене фамилии (если в паспорте и дипломе фамилия не совпадает).
Расписание
14 апреля — 16 июня 2021
Занятия один раз в неделю: по средам (19:00-22:00), очно.
Перерыв на майские каникулы.
Место проведения: Покровский бульвар, 11
Для прохождения курса вам понадобятся основы программирования на Python, математеческого анализа, линейной алгебры и теории вероятностей.
Преподаватель
Руководитель группы аналитики в Mail.ru.
Окончил физический факультет МГУ им. М.В. Ломоносова по специальности «Физика магнитных явлений».
Ранее работал аналитиком в Яндексе.
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.