Здорова, Перельманы
Сегодня обновленная, но все такая же пиздатая математика. Погнали
Математика – важный элемент науки о данных. Ботать придется много и упорно, но есть нюанс (анекдот знаешь).
Если раньше предлагалось действовать последовательно, вначале ботать матемку, а потом приступать к МЛ, то сейчас предложение другое. С двух ног влетаем в МЛ хоть с какой-то математикой на борту и разбираем непонятные вещи по ходу дела. Уперлись в проблему – погрузились в тему, иначе будем две жизни учиться.
Направлений в анализе данных много и математика для каждого из них нужна своя. Например, если по пьяни решишь быть квантом, то там крайне важна теория вероятностей, плавно перетекающая в случайные процессы. В других направлениях деградации несколько другая картина, поэтому учить что-то узкое нет смысла, будешь фитить это когда определишься с направлением. Сейчас имеет смысл освоить основы.
Теперь выдаю базу.
1. Курс DeepLearningAI так и называется Mathematics for Machine Learning and Data Science. Прекрасный материал, внутри линейная алгебра, матан, теор. вер. Смело берем и смотрим все подряд, наверное один из лучших вариантов. Тем более, сам бог велел наебать курсеру и взять его бесплатно, после трюка с удалением русскоязычных курсов. Пиши в личку, если не знаешь как.
Курс —> https://www.coursera.org/specializations/mathematics-for-machine-learning-and-data-science
Требование к прохождению курса. Базовый уровень школьной математики, вот тут можно освежить память. Первый пункт — цифры и блять буквы, если смог прочитать этот пост, можешь пропускать
Школьная программа —> https://mathter.pro/pesochnica/index.html
2. Мат. Анализ. По матану все достаточно просто, нам не надо убиваться десятью томами пыльных книг, нужен конечный набор тем, а именно:
1) Предел и непрерывность
2) Производная
3) Вторая производная и производные высших порядков
4) Гладкая оптимизация
5) Интегрирование
Ну и все бля, приключение на 20 минут, вошли и вышли. Найти темы можно вот в этом плейлисте:
Мат. Анализ —> https://www.youtube.com/@NEliseeva/playlists
Спидран по матану —> https://youtu.be/NX4s0ZE97Kc
Что касается практики, берем любой задачник по матану, но сильно не увлекаемся, научились считать 5 пунктов выше — едем дальше.
3. Теория Вероятностей. Несмотря на то, что вероятность быть pidorom у тебя равна единице, теор. вер. и мат. стат. заботать придется. Начинаем с основы:
Теор. Вер. База —> http://www.mathprofi.ru/teorija_verojatnostei.html
Мат. Стат. —> http://www.mathprofi.ru/matematicheskaya_statistika.html
4. Линейная алгебра. Линал круто помогает выработать интуицию процессов в анализе данных, предлагаю скипнуть решение задач на первом этапе, хорошо понятой теории будет достаточно. Смотрим тут:
Линал —> https://youtube.com/playlist?list=PLBh2i93oe2quLc5zaxD0WHzQTGrXMwAI6
Да, материала много, но ничего страшного внутри нет. Пацаны, в этом деле главное не ссать. Берем листочек, ручку и приступаем.
Сегодня не нравится, а завтра ты уже смотришь разбор задач с межнара по матемке, от любви до ненависти один шаг.
Напоминаю, что летом начинаем подготовку к поступлению в Центр Математических Финансов 2023, следующий пост про это. Давайте устроим лютый разъеб.
Работаем, братва
Сегодня обновленная, но все такая же пиздатая математика. Погнали
Математика – важный элемент науки о данных. Ботать придется много и упорно, но есть нюанс (анекдот знаешь).
Если раньше предлагалось действовать последовательно, вначале ботать матемку, а потом приступать к МЛ, то сейчас предложение другое. С двух ног влетаем в МЛ хоть с какой-то математикой на борту и разбираем непонятные вещи по ходу дела. Уперлись в проблему – погрузились в тему, иначе будем две жизни учиться.
Направлений в анализе данных много и математика для каждого из них нужна своя. Например, если по пьяни решишь быть квантом, то там крайне важна теория вероятностей, плавно перетекающая в случайные процессы. В других направлениях деградации несколько другая картина, поэтому учить что-то узкое нет смысла, будешь фитить это когда определишься с направлением. Сейчас имеет смысл освоить основы.
Теперь выдаю базу.
1. Курс DeepLearningAI так и называется Mathematics for Machine Learning and Data Science. Прекрасный материал, внутри линейная алгебра, матан, теор. вер. Смело берем и смотрим все подряд, наверное один из лучших вариантов. Тем более, сам бог велел наебать курсеру и взять его бесплатно, после трюка с удалением русскоязычных курсов. Пиши в личку, если не знаешь как.
Курс —> https://www.coursera.org/specializations/mathematics-for-machine-learning-and-data-science
Требование к прохождению курса. Базовый уровень школьной математики, вот тут можно освежить память. Первый пункт — цифры и блять буквы, если смог прочитать этот пост, можешь пропускать
Школьная программа —> https://mathter.pro/pesochnica/index.html
2. Мат. Анализ. По матану все достаточно просто, нам не надо убиваться десятью томами пыльных книг, нужен конечный набор тем, а именно:
1) Предел и непрерывность
2) Производная
3) Вторая производная и производные высших порядков
4) Гладкая оптимизация
5) Интегрирование
Ну и все бля, приключение на 20 минут, вошли и вышли. Найти темы можно вот в этом плейлисте:
Мат. Анализ —> https://www.youtube.com/@NEliseeva/playlists
Спидран по матану —> https://youtu.be/NX4s0ZE97Kc
Что касается практики, берем любой задачник по матану, но сильно не увлекаемся, научились считать 5 пунктов выше — едем дальше.
3. Теория Вероятностей. Несмотря на то, что вероятность быть pidorom у тебя равна единице, теор. вер. и мат. стат. заботать придется. Начинаем с основы:
Теор. Вер. База —> http://www.mathprofi.ru/teorija_verojatnostei.html
Мат. Стат. —> http://www.mathprofi.ru/matematicheskaya_statistika.html
4. Линейная алгебра. Линал круто помогает выработать интуицию процессов в анализе данных, предлагаю скипнуть решение задач на первом этапе, хорошо понятой теории будет достаточно. Смотрим тут:
Линал —> https://youtube.com/playlist?list=PLBh2i93oe2quLc5zaxD0WHzQTGrXMwAI6
Да, материала много, но ничего страшного внутри нет. Пацаны, в этом деле главное не ссать. Берем листочек, ручку и приступаем.
Сегодня не нравится, а завтра ты уже смотришь разбор задач с межнара по матемке, от любви до ненависти один шаг.
Напоминаю, что летом начинаем подготовку к поступлению в Центр Математических Финансов 2023, следующий пост про это. Давайте устроим лютый разъеб.
Работаем, братва