• Урок 1. 01:43:44
    Введение 1. Математика в Data Science
  • Урок 2. 02:44:32
    Введение 2. Основные термины и определения мат.анализа
  • Урок 3. 01:48:29
    Матрицы. Основные понятия и операции
  • Урок 4. 00:32:46
    Геометрическая интерпретация в линейной алгебре - 1
  • Урок 5. 01:20:13
    Геометрическая интерпретация в линейной алгебре - 2
  • Урок 6. 02:33:07
    05. Матричные разложения
  • Урок 7. 01:39:02
    Матричные производные
  • Урок 8. 01:58:31
    Применение линейной алгебры в Data Science
  • Урок 9. 01:50:33
    Применение линейной алгебры в Machine Learning
  • Урок 10. 01:41:47
    Теория множеств
  • Урок 11. 00:12:18
    Метрические пространства 1
  • Урок 12. 00:42:16
    Метрические пространства 2
  • Урок 13. 00:51:31
    Метрические пространства 3
  • Урок 14. 01:52:21
    Теория пределов
  • Урок 15. 01:45:17
    Дифференцирование
  • Урок 16. 01:44:15
    Оптимизация
  • Урок 17. 01:38:14
    Минимизация и максимизация в регрессиях
  • Урок 18. 01:46:42
    Метод максимального правдоподобия
  • Урок 19. 01:28:26
    Применения мат.анализа в ML
  • Урок 20. 01:24:42
    Применения мат.анализа в ML
  • Урок 21. 01:39:47
    Midterm
  • Урок 22. 01:43:44
    Комбинаторика и Основы теории вероятностей
  • Урок 23. 01:57:19
    Случайные величины
  • Урок 24. 01:24:42
    Непрерывные случайные величины
  • Урок 25. 01:32:54
    Теоремы
  • Урок 26. 02:03:11
    Проверка гипотез
  • Урок 27. 01:56:48
    Проверка гипотез. Часть 2
  • Урок 28. 01:53:08
    Виды зависимостей
  • Урок 29. 01:55:21
    Регрессии
  • Урок 30. 00:44:09
    Метод главных компонент 1
  • Урок 31. 00:46:15
    Метод главных компонент 2
  • Урок 32. 01:20:08
    Моделирование случайных величин
  • Урок 33. 01:28:21
    Обсуждение тем курсового проекта
  • Урок 34. 01:06:25
    Ответы на вопросы по курсовым темам
Этот материал находится в платной подписке. Оформи премиум подписку и смотри Математика для Data Science. Продвинутый курс, а также все другие курсы, прямо сейчас!
Премиум