Math & Statistics in Data Science
Đối tượng học:
- Sinh viên khối kinh tế, kĩ thuật có định hướng tham gia ngành Data Science, Data Analytics đang bắt đầu tìm hiểu các kiến thức liên quan Python, Machine Learning, Deep Learning và học cách ứng dụng Python vào các dự án thực tế tại doanh nghiệp.
- Người đã đi làm mong muốn cải thiện kỹ năng làm việc với dữ liệu, kỹ năng giải quyết và ra quyết định với các bài toán thực tế trong công việc dựa trên phân tích dữ liệu chuyên sâu và hiệu quả với Python.
- Các bạn có mong muốn chuyển ngang sang ngành Data Analysis, Data Science & Machine Learning để có mức thu nhập cao hơn lên tới 1000$/tháng và phát triển sự nghiệp rộng mở hơn.
Lợi ích của khoá học
- Hiểu ý nghĩa của các thuật toán trong học có giám sát (supervised learning) & học không giám sát (unsupervised learning)
- Tự tin kết hợp các thuật toán trong học có giám sát (supervised learning) & học không giám sát (unsupervised learning)
- 8 bài học
Nội dung khoá học
- Vector và ma trận,
- Giá trị và ký hiệu
- Phương trình logarit
- Hàm sigmod
- Tính toán ma trận và tensor
'- Trung bình
- Trung vị
- Độ lệch chuẩn
- Giá trị ngoại lai
- Phân phối xác suất kết hợp
- Xác suất có điều kiện và độc lập
- Biến ngẫu nhiên rời rạc
- Biến ngẫu nhiên liên tục
- Biến ngẫu nhiên kết hợp
- Phân phối xác suất phổ biến (Gaussian, Bernoulli, Binomial, Uniform, Poisson)
'- Giải tích & Tối ưu hóa
- Đạo hàm thông thường, đạo hàm riêng
- Gradient, Hessian
- Quy tắc chuỗi, giảm độ dốc, tối ưu hóa lồi
'- Giới thiệu về Machine Learning
- Tập dữ liệu
- Phương sai/ độ lệch
- Train / Test / Validation Split - Hàm tổn thất...
'- Thuật toán Machine Learning
- Hồi quy tuyến tính
- Hồi quy logistic
- Phân tích thành phần chính (PCA) Python Machine Learning
- Công cụ Python cho Machine Learning Numpy, Pandas, Scipy, Scikit-learning, Matplotlib, Pytorch
Chọn hình thức học:
Địa điểm: | Số 20 Cửu Việt 1, TT Trâu Quỳ, Gia Lâm, Hà Nội |
---|---|
Số học viên: | tối đa 6 |
Giảng viên: | Lê Doãn Phước |