Dev & Data Science

Linear Algebra

Интенсивный курс по прикладной линейной алгебре для работы с Data Science и Machine Learning.

О курсе

Математика — основа всех прикладных наук, а фундаментом многих компьютерных наук, включая Data Science, Computer Vision и NLP, является линейная алгебра. К сожалению, именно этот предмет часто преподают с большим отрывом от прикладных задач.

Мы создали 3-месячный курс, чтобы помочь освежить основные понятия линейной алгебры. А также на реальных примерах увидеть, как они работают в современных приложениях и алгоритмах.

Всего пройдем 10 тематических блоков. Каждый из них состоит из 5-6 видео, примеров применения материала для решения практических задач и домашних заданий. Именно самостоятельная работа над этими заданиями позволит понять материал и научиться находить эффективные решения постоянно встречающихся на практике проблем. Каждый блок завершается вебинаром, где вместе с куратором рассмотрим самые сложные задания прошлой недели и получим ответы на свои вопросы.

В конце обучения в течение трех недель вы выполните курсовой проект, над которым будете работать самостоятельно, применяя полученные во время курса знания. Задачей будет построение предиктивной модели на базе данных.

23 апреля 2024 курс длится 3 месяца
8 500 грн/мес. 25 500 грн при полной оплате курса
8 925 грн/мес. при оплате частями
25 мест каждый студент получает регулярный фидбек от куратора группы

Куратор

Ян Цибулькин

VP Data Science WorkOrder и сo-founder Bldbox, Cloudozer, Symica.

Программа курса

  • Vectors

    • — Vector space.
    • — Geometric properties.
    • — Line equation.
    • — The basis.
    • — Plane equation I.
  • Normed Vector Spaces

    • — Vector length.
    • — Different distance metrics.
    • — Vector similarity, clustering. K-Means.
    • — K-nearest neighbors (KNN) for classification and regression.
  • Inner product space

    • — Dot product.
    • — Vector projection on the line.
    • — Plane equation II.
  • Hyperplanes

    • — Hyperplane equation.
    • — Support vector machines.
    • — Kernel trick.
  • Matrices

    • — Matrix operations.
    • — Matrix as a function.
    • — Inverse matrix.
    • — Solving linear equations.
    • — Matrix rank.
    • — Singular matrix.
  • Orthogonal Transformations

    • — Rotation matrix and its properties.
    • — Reflection matrix and its properties.
    • — Translation.
  • Affine and projective transformation

    • — Properties of affine transformation.
    • — Changing reference frame.
    • — Projecting vectors on to subspaces.
    • — Projection matrix and its properties.
  • Linear regression

    • — Solving overdetermined system of linear equations.
    • — Pseudo-inverse matrix.
    • — Linear regression and projection transformation.
  • Singular value decomposition

    • — Matrix factorization with SVD.
    • — Principal component analysis (PCA) with SVD.
    • — Dimensionality reduction.
    • — Applications.
  • 3D → 2D

    • — 3D graphics algebra.
    • — Camera pin-hole model and intrinsic matrix.
    • — Euler angles and extrinsic matrix.
    • — Augmented reality (AR).
  • Capstone project

    • Building a predictive model.

Как проходит обучение

Живые занятия

По пятницам вы получаете доступ к видеолекциям, а по вторникам в 19:30 проходят живые созвоны с куратором и группой.

Real-life задания

У нас действует Practicult — культ практики. Поэтому вы будете выполнять много сложной домашки из реальных рабочих будней. Have fun & survive.

Курсовой проект

Во время обучения вы сделаете большой проект. Ведь принцип курса — все как в жизни.

Регулярный фидбек

У нас нет базовых и премиум режимов. Только премиум, всегда. Получите от куратора все. И да, десятая итерация — это нормально.

Сертификат за дело

Наши сертификаты действительно ценят на рынке. Поэтому мы выдаём их только тем студентам, которые выполнили не менее 70% домашних работ и защитили курсовой проект.

ГРАФИК

Старт

23 апреля 2024

Видеолекции

по пятницам

Вебинары

по вторникам в 19:30

Языки обучения

украинский

Курс для вас, если вы

Программист

желаете заполнить пробелы в знаниях и подтянуть математику

Начинающий разработчик

хотите получить крепкий фундамент для изучения Data Science и Machine Learning

Навыки

Уверенное владение математикой на школьном уровне. Знание языков программирования не обязательно.

Английский

Intermediate. Все материалы курса будут на английском.

Узнайте больше

Twitter Сборище технарей, новости Development & Data Science, физра для мозга, непрошеные советы и социально-научные холивары
Лекция Использование алгебраических методов для поиска векторных объектов
PROJECTOR MAG Большие данные, обработка языка, 3D. Как и где используется линейная алгебра в Data Science
PROJECTOR MAG За кафедрой Александр Руппельт: как строят линейку Data Science в Projector
Статья 10 тыс. часов, 6 советов. Как войти в Data Science и не сбежать в панике

Вопросы

Что такое Linear Algebra?

Линейная алгебра — математическая дисциплина, изучающая векторы, векторные пространства, матрицы, линейные отображения и системы линейных уравнений.

Как проходит коммуникация на курсе и в каком формате куратор дает фидбек?

Вся коммуникация на курсе проходит на платформе Slack (рабочий чат группы, каналы для домашних заданий и полезных ссылок). Куратор дает фидбек в виде комментариев к домашним заданиям и обсуждения на вебинарах.

Вебинары будут записываться?

Мы каждый раз делаем запись, однако лучше выделите время, чтобы присоединиться к онлайн встрече — обсудить вопросы с одногруппниками и проконсультироваться с куратором.

Можно ли смотреть занятия в любой удобный день?

Можно, но важно успевать выполнять домашние задания, которые вы будете получать после каждого занятия.

Получу ли я сертификат после прохождения курса?

Да, если приложите усилия. Чтобы получить сертификат, нужно выполнить не менее 70% домашних работ, получить фитбек и «засчитано» от куратора, а также сдать и защитить курсовой проект. Дедлайном для сдачи и принятия работ является дата выпуска.

Что, если мне не понравится?

Мы сможем вернуть вам деньги в течение 7 дней после старта курса, если вы передумаете.

Регистрация

Остались вопросы?
Не стесняйтесь их задавать.

Проконсультируйте меня