Бизнес-образование
407 программ
Маркетинг и коммуникации
Управление клиентским опытом и взаимоотношениями
Все направления
622 программы
Техника и технологии
Инфокоммуникационные технологии и системы связи
Прикладная статистика для машинного обучения
Изучение базовых концепций и методов математической статистики, которые используются в анализе данных
Программа для тех, кто хочет разобраться, как устроены методы машинного обучения, и научиться их дорабатывать. Вы изучите, как использовать Python для статистики.
Старт курса
12.12.2024
Стоимость обучения
46 000 ₽
Продолжительность
10 недель
Формат обучения
Очный
Документ
Удостоверение о повышении квалификации
Скидка 10%
при подаче заявки в течение декабряВ основе многих методов машинного обучения лежит математическая статистика. Наш курс поможет вам разобраться с теорией и тем, как применить статистику к решению практических задач.
Для успешного освоения курса нужно знать основы математики для анализа данных и Python.
Для кого
Курс подходит:
Начинающим data scientist-ам
Вы разберетесь в теории, которая лежит за методами машинного обучения
Начинающим аналитикам
Вы разберетесь, как статистика помогает решать задачи аналитики
Программистам, которым интересен анализ данных
Вы разберетесь, как работает анализ данных
Программа обучения
Вы изучите основы теории вероятностей и математической статистики, A/B-тестирования и научитесь их реализовывать на языке Python
Основы теории вероятностей. Описательные статистики
Взаимосвязи между случайными величинами. Взаимосвязи в данных
Методы оценивания параметров распределения. Свойства статистических оценок
Предельные теоремы. Асимптотические и точные доверительные интервалы
Процедура проверки гипотез. Параметрические критерии
Непараметрические критерии. Критерии согласия. Бутстрап, множественное тестирование
Введение в A/B-тестирование: постановка задачи, особенности сбора данных, взаимосвязь размера выборки, уровня значимости, мощности теста и MDE. Особенности метрик
Основные методы A/B-тестирования: стратификация, бакетное преобразование, линеаризация, CUPED
Статистический взгляд на линейную регрессию
Основы анализа временных рядов. Модель SARIMA и её подгонка
Оценивать по выборке параметры и характеристики распределений реальных данных
Строить доверительные интервалы
Теоретические и на основе бутстрэпа
Проверять статистические гипотезы на выборках реальных данных
Строить и анализировать регрессионные модели и модели для временных рядов на Python
Документ, который Вы получите
Удостоверение о повышении квалификации при успешном завершении обучения.
Стоимость и условия
41 400 ₽ за весь курс
10%Скидки
5-10 %для студентов, выпускников и слушателей основных и дополнительных программ ВШЭ
Контакты
Основной адрес
Телефон
Электронная почта
На звонки и письма отвечаем в рабочее время: понедельник — суббота, 11:00 – 19:00