Прикладная математика для анализа данных: оптимизация, матрицы, тензоры.

В курсе изучаются основные математические концепции и алгоритмы, необходимые для понимания классических сюжетов в анализе данных и машинном обучении. Методы оптимизации лежат в основе решения многих задач компьютерных наук. Например, в машинном обучении задачу оптимизации необходимо решать каждый раз при настройке какой-то модели алгоритмов по данным, причём от эффективности решения соответствующей задачи оптимизации зависит практическая применимость самого метода машинного обучения. Данный курс посвящен изучению классических и современных методов решения задач оптимизации (в том числе невыпуклых), а также особенностям применения этих методов в задачах оптимизации, возникающих в машинном обучении. Основной акцент в изложении делается на практические аспекты реализации и использования методов. Целью курса является выработка у слушателей навыков по подбору подходящего метода для своей задачи, наиболее полно учитывающего её особенности.

✅ Вступительное тестирование

Курс состоит из 10 занятий по 3 часа. Каждое трехчасовое занятие делится на самодостаточные блоки по 1-1.5 часа, в рамках которых излагается теоретический материал, показываются примеры решения задач по теме, а так же предлагается самостоятельная работа по теме. Успешное выполнение заданий на практикумах гарантирует прохождение курса.

• 🚀 Программа
• 🧠 Слушатели
• 📧 Чат
• 👨‍💻 Github

Май, 2023 г.