Matematyka. Kurs video. Ćwiczenia dla programisty i data science

Promocja

Oleg Żero

5.0

0 opinii

Podstawowe informacje:

Czas trwania: 08:16:52

Poziom: zaawansowany

Autor: Oleg Żero

Liczba lekcji: 52

Dla firm

Rozwiń umiejętności swoich pracowników dzięki kursom video

Dowiedz się więcej

Monitorowanie postępów pracowników. Przejrzyste raporty i imienne certyfikaty ukończenia kursów
Atrakcyjne rabaty dla zespołów. Im więcej pracowników liczy zespół, tym większy uzyskasz rabat
Doradztwo w wyborze tematyki szkoleń. Mamy setki kursów, dostosujemy program nauczania pod Twój zespół

Indywidualnie

224,25 zł ~~299,00 zł~~ (-25%)

224,25 zł najniższa cena z 30 dni Dodaj do koszyka

Dostępny natychmiast po opłaceniu zakupu

Do przechowalni

Korzyści:

Certyfikat ukończenia
Materiały dodatkowe do kursu
Test online
Dożywotni dostęp
Dostęp w aplikacji (także offline)
Napisy w języku polskim

Ten kurs należy do ścieżki Data Scientist z Pythonem

Czas trwania: 66 godz.

DOWIEDZ SIĘ WIĘCEJ

Ten kurs należy do ścieżki Data Scientist z Pythonem »

Czego się nauczysz?

Rozwiązywania równań i układów równań liniowych
Stosowania macierzy i wyznaczników w zadaniach praktycznych
Obliczania wartości własnych i wektorów własnych
Zastosowania algebry liniowej w analizie danych i uczeniu maszynowym
Wykorzystywania narzędzi obliczeniowych do pracy z macierzami
Budowania modeli matematycznych z użyciem algebry liniowej

Spis lekcji

1. Wstęp 00:16:49

1.1. Czym się zajmiemy?

00:12:55

1.2. Przygotowanie środowiska pracy

00:03:54

2. Podstawowe pojęcia 01:14:02

2.1. Ćwiczenie 1. Rozgrzewka

00:04:33

2.2. Ćwiczenie 1. Biblioteka numpy

00:11:21

2.3. Ćwiczenie 1. Wybieranie oraz przekształcanie tablic

00:06:00

2.4. Ćwiczenie 1. Maski binarne i broadcasting

00:16:15

2.5. Ćwiczenie 2. Zbiór Mandelbrota

00:04:43

2.6. Ćwiczenie 2. Liczba zespolona w Pythonie

00:05:35

2.7. Ćwiczenie 2. Funkcja zespolona

00:12:04

2.8. Ćwiczenie 2. Wektoryzacja obliczeń

00:13:31

3. Ciągi, szeregi i granice 00:48:21

3.1. Ćwiczenie 3. Ciągi oraz granice

00:02:17

3.2. Ćwiczenie 3. Pokazanie ciągów

00:09:17

3.3. Ćwiczenie 3. Przybliżanie liczb

00:15:49

3.4. Ćwiczenie 4. Problem paliwa na pustyni

OGLĄDAJ » 00:09:27

3.5. Ćwiczenie 4. Implementacja szeregu

00:05:42

3.6. Ćwiczenie 4. Implementacja szeregu w numpy

00:05:49

4. Pochodne i całki 00:48:28

4.1. Ćwiczenie 5. Pochodna i szereg Taylora

00:02:59

4.2. Ćwiczenie 5. Pochodna i szereg Taylora numerycznie

00:14:52

4.3. Ćwiczenie 5. Pochodna i szereg Taylora symbolicznie

00:09:09

4.4. Ćwiczenie 6. Obliczanie całki

00:03:30

4.5. Ćwiczenie 6. Całka numerycznie

00:15:11

4.6. Ćwiczenie 6. Całka symbolicznie

00:02:47

5. Wektory i macierze 01:16:21

5.1. Ćwiczenie 7. Przekształcanie przestrzeni

00:02:54

5.2. Ćwiczenie 7. Przygotowanie danych

00:10:50

5.3. Ćwiczenie 7. Operacje na macierzach

00:12:13

5.4. Ćwiczenie 8. 1, 2, 4, 8, 16, 31, co dalej?

OGLĄDAJ » 00:06:05

5.5. Ćwiczenie 8. Układ równań liniowych

00:07:22

5.6. Ćwiczenie 8. 1, 2, 4, 8, 16, 31, co dalej? Rozwiązanie

00:08:09

5.7. Ćwiczenie 9. Analiza głównych składowych (PCA)

00:07:28

5.8. Ćwiczenie 9. Implementacja PCA w numpy

00:18:02

5.9. Ćwiczenie 9. Porównanie ze scikit-learn

00:03:18

6. Rachunek wektorowy 01:10:35

6.1. Ćwiczenie 10. Idziemy wzdłuż granicy

00:07:22

6.2. Ćwiczenie 10. Obliczanie długości wędrówki

00:10:00

6.3. Ćwiczenie 10. Rozwinięcie obliczeń

00:11:19

6.4. Ćwiczenie 11. Divy, curle i gradienty

00:11:30

6.5. Ćwiczenie 11. Gradient

00:14:09

6.6. Ćwiczenie 11. Div

00:07:24

6.7. Ćwiczenie 11. Curl

00:08:51

7. Równania różniczkowe 01:42:21

7.1. Ćwiczenie 12. Symulator osobistego portfela

00:10:29

7.2. Ćwiczenie 12. Model podstawowy

00:07:06

7.3. Ćwiczenie 12. Na razie bez inwestycji

00:12:56

7.4. Ćwiczenie 12. Inwestycje oraz inflacja

00:14:13

7.5. Ćwiczenie 13. Jak ryk wściekłego lwa

00:06:02

7.6. Ćwiczenie 13. Obliczanie transformaty Fouriera (FFT)

00:19:07

7.7. Ćwiczenie 13. Przetwarzanie dźwięku

OGLĄDAJ » 00:14:26

7.8. Ćwiczenie 13. Przetwarzanie obrazu

00:18:02

8. Prawdop odobieństwo 00:59:55

8.1. Ćwiczenie 14. Od kogo kupić online?

00:06:07

8.2. Ćwiczenie 14. Rozkłady prawdopodobieństwa

00:10:19

8.3. Ćwiczenie 14. Model bayesowski

00:20:27

8.4. Ćwiczenie 15. Symulator życia

00:04:54

8.5. Ćwiczenie 15. Równanie różniczkowe stochastyczne

00:17:24

8.6. Ćwiczenie 15. Zakończenie

00:00:44

Obierz kurs na... wsparcie, jakie matematyka oferuje programiście

Niewiele dziedzin wiedzy bazujących na starej, dobrej matematyce rozwija się dziś tak szybko, jak informatyka. Jednocześnie tradycyjna matematyka i nowoczesne programowanie wiążą się ze sobą nierozerwalne w wielu obszarach naszego życia, na które wpływ ma rozwój technologii. Matematyka nie tylko oferuje sposoby modelowania, wyrażania i przewidywania zjawisk, ale również stanowi fundament i wsparcie dla innych dziedzin technicznych. Dla informatyki i programowania jest niczym instrukcja obsługi, teoretyczny spis zasad działania urządzeń zwanych komputerami. Razem - matematyka i informatyka - stanowią duet, w którym obie wzajemnie się wspierają, oferując nowe możliwości rozwiązywania problemów.
Z powyższego wynika jasno: kto chce być wybitnym programistą, zdolnym do zmagania się z najpoważniejszymi problemami branży, ten musi się bliżej zapoznać z matematyką. Opanować jej fundamentalne prawa - te same, na których bazuje informatyka. Być w stanie zaimplementować matematyczne równania w najpopularniejszych językach programowania, takich jak Python, i otworzyć dzięki temu szeroko drzwi do efektywnego korzystania z programistycznych narzędzi i bibliotek. Rozwinąć swoje rozumienie matematyki, matematyczne myślenie i wyobraźnię po to, by móc na ich bazie kreować nowe, inspirujące rozwiązania w developmencie i data science.

Co Cię czeka podczas naszego profesjonalnego szkolenia
Dzięki naszemu kursowi:

Zrozumiesz związek pomiędzy abstrakcyjnymi pojęciami matematycznymi i praktycznymi możliwościami ich wykorzystania
Pogłębisz swoją matematyczną wyobraźnię
Będziesz w stanie organizować i optymalizować kod obliczeniowy pod kątem wydajności i spójności
Zaczniesz stosować fundamentalne prawa matematyki do rozwiązywania problemów w różnych obszarach: od finansów po przetwarzanie sygnału
Poznasz przydatne przy obliczeniach standardowe narzędzia z ekosystemu Pythona, takie jak numpy, scipy, pandas, sympy i matplotlib

Co więcej...

Dzięki zestawowi ćwiczeń demonstracyjnych jeszcze lepiej zrozumiesz takie pojęcia jak równanie różniczkowe, przestrzenie wektorowe, całka, model statystyczny czy transformata Fouriera

Matematyka. Kurs video. Ćwiczenia dla programisty i data science kończy się na poziomie średnio zaawansowanym i zaawansowanym. Stopień zaawansowania zależy od Ciebie - Twojego zaangażowania i gotowości do adaptowania zasad matematyki w informatyce. Kurs daje świetne podstawy do dalszej samodzielnej pracy i rozwoju. By w pełni skorzystać ze szkolenia, trzeba mieć wiedzę matematyczną na poziomie kandydata na studia i opanowane podstawy Pythona. Przed uruchomieniem kursu sprawdź, czy w swoim komputerze masz działający system operacyjny Linux i zainstalowane środowisko Pythona.

Praktyczna strona matematyki i... informatyki

Ten kurs jest kontynuacją szkolenia Matematyka. Kurs video. Teoria dla programisty i data science i stanowi jego rozszerzenie poprzez nacisk na stronę praktyczną. Został podzielony na osiem rozdziałów, które zawierają wiedzę z najistotniejszych obszarów matematyki stosowanej w kontekście użyteczności w dziedzinach technicznych. W rozdziałach znalazły się ćwiczenia (łącznie 15) o charakterze zarówno demonstracyjnym, jak i zadaniowym. Ich celem jest pomóc Ci w dogłębnym zrozumieniu kluczowych koncepcji matematycznych, także w odniesieniu do praktycznych zastosowań.

Wybrane bestsellery

O autorze kursu video

Oleg Żero - Data Scientist, który, jak to określa, lubi wydobywać z danych sens. Na co dzień dostarcza rozwiązania uczenia maszynowego wielkim graczom z branży e-commerce. Z wykształcenia jest inżynierem fotoniki i absolwentem Królewskiej Akademii Technicznej w Sztokholmie. Brał udział w wielu projektach natury badawczo-naukowej - w ujęciu akademickim, przemysłowym i start-upowym. Prywatnie mąż, ojciec, entuzjasta bliskich i dalekich podróży oraz miłośnik wszelkiej technologii garażowej własnej produkcji.