Dev & Data Science

Linear Algebra

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

О курсе

Математика лежит в основе всех прикладных наук, а фундаментом многих компьютерных наук, включая Data Science, Computer Vision и NLP является линейная алгебра. К сожалению, именно этот предмет зачастую преподается с большим отрывом от прикладных задач.

Мы создали 2-месячный курс, чтобы помочь освежить основные понятия линейной алгебры. А также на реальных примерах увидеть, как они работают в разнообразных современных приложениях и алгоритмах.

Начнем с линейных пространств и вспомним, как наборы данных можно представить в виде множества векторов в многомерном векторном пространстве. Рассмотрим типичные задачи в 2D и 3D пространствах. Вспомним матрицы и для чего они нужны. Рассмотрим применение линейной алгебры в алгоритмах SVM, линейной регрессии, сокращении размерности пространств. Рассмотрим основы 3D/2D преобразований в задачах компьютерного зрения.

26 мая 2022 курс стартовал 20 мая, присоединиться к группе можно до 26 мая
6 500 грн/мес. 13 000 грн при полной оплате курса
6 825 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

— Geometric properties.
— Line equation.
— Basis.
— Plane equation.

Normed Vector Spaces

— K-Means.
— Normalization.
— K-NN.

Inner product space

— Dot product properties.
— Hyperplanes.
— Hyperplanes equation comparison.
— Half-space.
— SVM.
— Kernnel trick.

Matrices

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

Orthogonal Transformations

— Rotation Matrix and its properties.
— Symmetry Matrix.
— Matrix determinant.
— Euler angles.

Affine transformation

— Robot Localization.
— Robot Motion Planning.
— Projective transformations.

3D → 2D

— Pinhole camera model.
— Intrinsic Camera Matrix.
— Extrinsic Camera Matrix.
— Drawing 3D objects.

Matrix factorization by SVD

— Dimensionality reduction.
— Overdetermined systems.
— Linear regression.

Как проходит обучение

Видеолекции и вебинары

По пятницам вы получаете доступ к видеолекциям, а по средам 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.

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

Выдаем только тем, кто своим потом, временем и силами его заслужил.

ГРАФИК

Старт

20 мая 2022

Видеолекции

по пятницам

Вебинары

по средам в 19:30

Язык обучения

русский

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

Лекция Яна Цибулькина Использование алгебраических методов для поиска векторных объектов
Великі дані, обробка мови, 3D. Як і де використовується лінійна алгебра в Data Science
За кафедрою Олександр Руппельт: як будують лінійку Data Science в Projector

Вопросы

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, при условии выполнения домашних заданий.

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