Курсы математики

Преподаватели центра: Ведущий методист:  Мациевский Николай,  МФТИ (прикладная математика и физика).... Курс розрахований на аналітиків Python, які вивчають машинне навчання. В курсі розглядаються теоретичні та практичні аспекти використання лінійної регресії для передбачення числових показників споживання енергії ASHRAE в конкурсі на Kaggle. Курс складається з двох частин. У першій частині розглядаються всі етапи роботи з даними, від постановки задачі до роботи з моделями машинного навчання для мінімізації помилки передбачення. У другій частині курсу розглядаються практичні аспекти аналізу даних, включаючи ETL-процес, EDA, лінійну регресію, оптимізацію та ансамблювання моделей. Курс містить 7,5 годин відео та надає повний пожиттєвий доступ до матеріалів. Також передбачений сертифікат про успішне завершення курсу.

использовать Google Maps APIКто хочет cоздать WEB-сайт на ASPNETПреподаватели Евгений Волосатов Магистр математики... Курс присвячений роботі з Google Maps API з використанням мови програмування C#. Крім створення Google Maps, будуть вивчені питання створення баз даних за допомогою Entity Framework, розробки контролерів та представлень MVC, парсингу XML, роботи з запитами та відповідями від Google Maps в різних режимах тощо. Курс призначений для тих, хто хоче створити географічну базу даних, використовувати Google Maps API та створити веб-сайт на ASP.NET. У процесі проходження курсу студенти створять географічну карту з об'єктами на ній, своє веб-додаток з використанням Google API, базу даних з використанням Entity Framework та ADO.NET, список об'єктів та форми для їх додавання в базу даних, використання Google Maps API для пошуку координат місця за адресою, створення Google-карти, задання її параметрів, відображення об'єктів на карті. Курс включає в себе практикум з C#, ASP.NET, MVC, Entity Framework, MS-SQL Server, JavaScript, Google API.

Преподаватели центра: Ведущий методист:  Мациевский Николай,  МФТИ (прикладная математика и физика).... На цьому курсі ви навчитеся мові запитів SQL та дизайнувати бази даних. Курс включає в себе вивчення синтаксису SQL, створення, змінення та видалення даних та таблиць, індекси, складні запити та повнотекстовий пошук, вкладені запити. Курс містить 60 окремих уроків, 13 практикумів, 7 самостійних робіт для закріплення матеріалу та 30 задач-тренажерів. Вашим курсовим проектом буде дизайн бази даних для веб-додатка.

Курс «Перцептроны» детально рассматривает перцептрон Розенблатта, который стал прообразом современных искусственных нейронных сетей. Вы научитесь создавать, настраивать и обучать простейший перцептрон. Курс включает в себя следующие темы: краткое введение в ИИ, коннекционизм, естественные нейронные сети, математические основы искусственных нейронных сетей, искусственные нейронные сети, перцептроны, задачи для перцептронов. Для успешного прохождения курса необходимы базовые знания математики на уровне 11-го класса средней школы. Курс предназначен для студентов и аспирантов технических вузов, программистов и дата-саентистов, работающих в области искусственного интеллекта или желающих переквалифицироваться на эту область, а также для всех желающих, кто стремится быть в тренде современных высоких технологий в области ИКТ.

Java Script Кто хочет написать алгоритм всех шахматных правил Преподаватель Евгений Волосатов Магистр математики... На цьому курсі ми створимо на JavaScript алгоритми для гри в Шахи. Ми створимо користувацький інтерфейс на HTML та запустимо гру на телефонах у браузері. Ми напишемо алгоритми генерації та перевірки ходів за всіма шаховими правилами. Всі заняття практичні повторюй та отримуй, все детально та поетапно. Цей курс прелюдія до більшого проекту "Шахи по мережі на C#", в якому створюється клієнт-серверна програма для гри через Інтернет. На цьому курсі ви напишете робочу гру на JavaScript та отримаєте досвід планування алгоритмів.

Просмотреть этот курс Учебные и академические дисциплины Математика Математика Просмотреть этот курс... Курс "Машини Тьюрінга" включає в себе вводну частину, яка ознайомить вас з основними різновидами Машин Тьюрінга, їх практичним застосуванням та їх особливостями. Основна частина курсу містить в собі більше практичної роботи, пов'язаної з програмуванням машин Тьюрінга різними способами, а також з роботою на симуляторах машин Тьюрінга. Після проходження курсу ви будете знати основні терміни та поняття, які можуть зустрітися в роботі з машинами Тьюрінга, а також отримаєте навички програмування таких машин.

и другие метрики Полиномиальная и нелинейная регрессия Логистическая регрессия Требования Школьная математика... Внимание: для доступа к курсам ITtensive на Udemy напишите, пожалуйста, на [email protected] с названием курса или группы курсов, которые хотите пройти.Работа с большими данными и задачами искусственного интеллекта требует особого подхода - подхода машинного обучения. В этом курсе мы последовательно пройдем все этапы работы с данными: от видов задач и их постановки до работы с моделями машинного обучения для минимизации предсказательной ошибки.Дополнительно рассмотрим фундаментальные основы построения моделей машинного обучения, базовые метрики и наиболее простые модели – линейную и логистическую регрессии.В курсе изучается:Классификация задач машинного обучения.Процесс машинного обучения: ETL, EDA, подготовка данных, обучение модели.Особенности обучения модели: выборки, переобучение и гиперпараметры.Оптимизация гиперпараметров жадным поиском, через гиперкуб и парзеновские деревья.Отличия переобученной модели и недообученной, практики оптимального обучения.Работа с форматов хранения данных - HDF5.«Проклятье» большой размерности.Подходы к простым моделям машинного обучения: метод максимального правдоподобия и метод наименьших квадратов, среднеквадратичная ошибка.Подходы к заполнению пропусков в данных: интерполяция и экстраполяция.Метрики задач регрессии: эвклидово расстояние, расстояние городских квадратов, Чебышева и Минковского.Линейная регрессия с регуляризацией и без.Изотоническая регрессия.Критерии выбора сложности модели: BIC и AIC.Линеаризуемая и полиномиальная регрессия.Логистическая регрессия.После завершения курса вы сможете организовывать процесс разработки моделей машинного обучения и перейти к более глубокому и прикладному изучению тему машинного обучения.Курс является вводным (базовым) и подойдет широкому кругу слушателей: от руководителей до разработчиков.Основные задачи машинного обучения:1) Задача регрессии – прогноз на основе выборки объектов с различными признаками. На выходе должно получиться вещественное число (2, 35, 76.454 и др.), к примеру цена квартиры, стоимость ценной бумаги по прошествии полугода, ожидаемый доход магазина на следующий месяц, качество вина при слепом тестировании.2) Задача классификации – получение категориального ответа на основе набора признаков. Имеет конечное количество ответов (как правило, в формате «да» или «нет»): есть ли на фотографии кот, является ли изображение человеческим лицом, болен ли пациент раком.3) Задача кластеризации – распределение данных на группы: разделение всех клиентов мобильного оператора по уровню платёжеспособности, отнесение космических объектов к той или иной категории (планета, звёзда, чёрная дыра и т. п.).4) Задача уменьшения размерности – сведение большого числа признаков к меньшему (обычно 2–3) для удобства их последующей визуализации (например, сжатие данных).5) Задача выявления аномалий – отделение аномалий от стандартных случаев. На первый взгляд она совпадает с задачей классификации, но есть одно существенное отличие: аномалии – явление редкое, и обучающих примеров, на которых можно натаскать машинно обучающуюся модель на выявление таких объектов, либо исчезающе мало, либо просто нет, поэтому методы классификации здесь не работают. На практике такой задачей является, например, выявление мошеннических действий с банковскими картами.

Преподаватели центра: Ведущий методист:  Мациевский Николай,  МФТИ (прикладная математика и физика).... Курс розрахований на аналітиків Python, які вивчають машинне навчання. У курсі розглядається сегментація та класифікація зображень хмар за допомогою згорткових, пірамідальних, залишкових та повнозв'язних нейронних мереж у змаганні на Kaggle. Курс поділений на 2 частини. У першій частині ми послідовно пройдемо всі етапи роботи з даними: від видів задач та їх постановки до роботи з моделями машинного навчання для мінімізації передбачувальної помилки. У другій частині розглянемо на практичних прикладах проведення дослідницького аналізу даних для пошуку залежностей, метрики точності, очищення даних та обробки зображень, завантаження та збереження моделей та даних в HDF5, нейронні мережі зі згортковими шарами та шарами підвибірки, функції активації, ініціалізація та оптимізатори нейронних мереж, перетворення та доповнення (аугментація) бінарних даних, ансамбль нейронних мереж тощо. Курс містить 11,5 годин відео та дає можливість отримати сертифікат.

Преподаватели центра: Ведущий методист:  Мациевский Николай,  МФТИ (прикладная математика и физика).... Перший курс серії Машинне зріння присвячений розпізнаванню зображень за допомогою нейронних мереж на Python. Курс складається з трьох великих частин: Введення в нейронні мережі, Розпізнавання цифр та Розпізнавання автомобільних номерів. Після проходження курсу ви зможете розробляти та навчати нейронні мережі на Python, використовуючи Keras/TensorFlow. Курс містить 5 відеоуроків, а також курсовий проект, під час якого ви створите власну навчену нейронну мережу, яка зможе розпізнавати номери автомобілів на фотографіях.

Изучение методов атак на шифры подстановки Требования Желательно, но необязательно, понимание основ математики... Курс «Основы криптографии и подстановочные шифры» розкриває основні підходи, методи та алгоритми сучасної криптографії, деякі криптографічні шифрувальні системи, що базуються на підстановці символів відкритого алфавіту для отримання шифроалфавіту. Крім того, на курсі ви дізнаєтеся про найперші шифри, які з'являються на протязі всієї історії людства. Після проходження курсу ви будете знати основні криптографічні шифри підстановки та принципи їх побудови та зможете застосовувати поширені криптографічні шифри на практиці.

Преподаватели центра: Ведущий методист:  Мациевский Николай,  МФТИ (прикладная математика и физика).... Курс розглядає задачу хакатона 2020 року з виділення факторів, що найбільше впливають на тривалість життя в Росії, з точки зору фундаментальних та прикладних підходів до зменшення розмірності даних. Курс розбито на 4 частини, де розглядаються різні методи машинного навчання та їх застосування для розв'язання задачі. Після проходження курсу студенти зможуть використовувати різні методи машинного навчання для вирішення задачі виокремлення факторів та побудови моделі для прогнозування тривалості життя в Росії.

Преподаватели центра: Ведущий методист:  Мациевский Николай,  МФТИ (прикладная математика и физика).... Це додатковий курс програми Машинного навчання від ITtensive з аналізу часових рядів. Курс складається з трьох практичних завдань, які дозволяють прогнозувати ціни на ф'ючерси на зерно, курс долара до рубля та активність споживачів електроенергії. Курс надає теоретичні знання про базові техніки, моделі та методологію аналізу часових рядів, а також про рекурентні нейронні мережі, LSTM, GRU, ConvLSTM та BiLSTM. Курс містить 4 відео та сертифікат про успішне завершення.

параметров флюида в динамических симуляторах для различных типов задач Требованиябазовые школьные знания математики... Курс призначений для студентів та молодих спеціалістів, які тільки починають кар'єру в нафтогазовій галузі. Курс надає знання про компонентний склад природних углеводнів, фазове поведінка пластових рідин, методики відбору PVT проб, уравнення стану, фазове равновесие та побудову PVT моделей на основі лабораторних досліджень. Після проходження курсу студенти зможуть успішно виконувати інженерні задачі в нафтогазовій галузі.

Просмотреть этот курс Учебные и академические дисциплины Математика Логика Просмотреть этот курс Введение... Курс "Введення в комп'ютерну логіку" допоможе студентам технічних вузів зануритися в світ формальної логіки в різних її аспектах, включаючи ісчислення предикатів першого порядку та його програмну реалізацію мову програмування Пролог. Основні теми курсу: основи логічного підходу до ШІ, види логік, логічні операції та їх таблиці істинності, наївна теорія множин, діаграми Венна, двійкова система числення, важливі логічні операції, діаграми логічних виразів, пропозиційні вирази, функціональний базис, кон'юнктивна та диз'юнктивна нормальні форми, тавтологія, логічний вивід, продукція, троїчна логіка, імплікація в троїчній логіці, многозначні логіки Лукасевича, правило резолюцій, автоматичне доведення теорем, формальні системи, теореми Геделя про неповноту, діагоналізація Кантора, ісчислення предикатів першого порядку, квантори всезагальності та існування, закони заперечення кванторів, зв'язані та вільні змінні, мова програмування ПРОЛОГ, логічні вентилі з людей, многозначна логіка Поста. Курс не вимагає навичок програмування, але бажано мати розуміння основ лінійної алгебри та основ двійкової логіки.

кого этот курс:мамочка в декретехудеющим Преподаватель Рабига Сулейменова Преподаватель со стажем: Математика... Продукт націлений на підтримку людей у боротьбі з надмірною вагою. Марафон пропонує готові програми занять спортом та приготування їжі, що економить час та енергію. Учасники не тільки займаються спортом, але й отримують можливість підтримувати себе в формі без виснажливих тренувань та строгих дієт. Марафон підходить не тільки тим, хто хоче схуднути, але й тим, хто хоче підтримати наявні результати. Учасники отримають повний пожиттєвий доступ до 5 відеоуроків, сертифікат проходження курсу та можливість доступу через мобільні пристрої та телевізор.