डेटा विज्ञान के लिए गणित। भाग 2। संभाव्यता सिद्धांत और गणितीय आँकड़े - पाठ्यक्रम RUB 27,990। विशेषज्ञ से, प्रशिक्षण 40 शैक्षणिक घंटे, दिनांक 15 मई 2023।
अनेक वस्तुओं का संग्रह / / December 03, 2023
व्यावसायिक प्रोग्रामिंग पाठ्यक्रम शिक्षक, प्रमाणित डेवलपर पायथन संस्थान आईटी क्षेत्र में सामान्य कार्य अनुभव के साथ 20 वर्ष से अधिक. शुरू से ही 4 कंपनियों में आईटी सिस्टम का निर्माण किया। इससे अधिक 5 साल।
वादिम विक्टरोविच ने 2000 में रूसी राज्य मानविकी विश्वविद्यालय से सूचना विज्ञान और कंप्यूटर विज्ञान में विशेषज्ञता के साथ स्नातक की उपाधि प्राप्त की। प्रशासन मामलों में एक सच्चा पेशेवर डीबीएमएस, कंपनी की व्यावसायिक प्रक्रियाओं का स्वचालन (ईआरपी, सीआरएम आदि), परीक्षण मामले बनाना और कर्मचारियों को प्रशिक्षण देना।
प्रेरित करने और मोहित करने में सक्षम। वह अपने श्रोताओं से मांग कर रहे हैं, कठिन मुद्दों को स्पष्ट करने के लिए हमेशा तैयार रहते हैं। वास्तविक परियोजनाओं पर काम करने का व्यापक अनुभव उन्हें उन विवरणों पर ध्यान देने की अनुमति देता है जिन्हें आमतौर पर नौसिखिए डेवलपर्स द्वारा अनदेखा कर दिया जाता है।
मॉड्यूल 1। संभाव्यता सिद्धांत की बुनियादी अवधारणाएँ। उदाहरण (4 ए.सी.) एच।)
मॉड्यूल 2. यादृच्छिक घटनाएँ. सशर्त संभाव्यता। बेयस का सूत्र. स्वतंत्र परीक्षण (4 एसी) एच।)
मॉड्यूल 3. असतत यादृच्छिक चर. संभाव्यता वितरण का नियम. द्विपद वितरण कानून. पॉइसन वितरण (4 एसी. एच।)
मॉड्यूल 4. वर्णनात्मक आँकड़े। जनसंख्या की गुणात्मक और मात्रात्मक विशेषताएँ। डेटा की चित्रमय प्रस्तुति (4 एके. एच।)
मॉड्यूल 5. निरंतर यादृच्छिक चर. वितरण फलन और संभाव्यता घनत्व फलन। समान एवं सामान्य वितरण। केंद्रीय सीमा प्रमेय (4 एके. एच।)
मॉड्यूल 6. सांख्यिकीय परिकल्पनाओं का परीक्षण। पी-मान। विश्वास अंतराल। (4 ए.सी. एच।)
मॉड्यूल 7. मात्राओं के बीच संबंध. पैरामीट्रिक और गैर पैरामीट्रिक सहसंबंध उपाय। सहसंबंध विश्लेषण। (4 ए.सी. एच।)
मॉड्यूल 8. बहुभिन्नरूपी सांख्यिकीय विश्लेषण. रेखीय प्रतिगमन (4 एसी. एच।)
मॉड्यूल 9. भिन्नता का विश्लेषण। लॉजिस्टिक रिग्रेशन (4 एसी) एच।)
मॉड्यूल 10. एक सामान्य उदाहरण (बृहस्पति नोटबुक) पर संभाव्यता सिद्धांत और गणितीय सांख्यिकी के अध्ययन किए गए अनुभागों का अनुप्रयोग। परियोजना। (4 ए.सी. एच।)
डेटा विज्ञान में किसी भी आकार के डेटा सेट को इकट्ठा करने, प्रसंस्करण, विश्लेषण और विज़ुअलाइज़ करने के लिए दृष्टिकोण और तरीकों की एक विस्तृत श्रृंखला शामिल है। इस विज्ञान का एक अलग व्यावहारिक रूप से महत्वपूर्ण क्षेत्र नए सिद्धांतों का उपयोग करके बड़े डेटा के साथ काम करना है गणितीय और कम्प्यूटेशनल मॉडलिंग, जब शास्त्रीय विधियां अपनी असंभवता के कारण काम करना बंद कर देती हैं स्केलिंग. यह पाठ्यक्रम छात्रों को फॉर्मूलेशन के माध्यम से विषय क्षेत्र की मूल बातें सीखने में मदद करने के लिए डिज़ाइन किया गया है उन विशिष्ट समस्याओं को हल करना जिनका एक डेटा विज्ञान शोधकर्ता को सामना करना पड़ सकता है काम। ऐसी समस्याओं को हल करने के लिए छात्र को सिखाने के लिए, पाठ्यक्रम के लेखक छात्र को आवश्यक सैद्धांतिक न्यूनतम प्रदान करते हैं और दिखाते हैं कि व्यवहार में टूल बेस का उपयोग कैसे करें।
4,2
आप गणित के अपने ज्ञान को ताज़ा करेंगे, बुनियादी सूत्र और फ़ंक्शन सीखेंगे, और मशीन की मूल बातें समझेंगे प्रशिक्षण और आप डेटा साइंस में करियर शुरू कर सकते हैं - दुनिया भर की आईटी कंपनियां ऐसे विशेषज्ञों की तलाश में हैं।
4,4