Linear Algebra

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

опыт

знание математики на школьном уровне

старт

18 апреля 2025 г.

группа

25 мест

длительность

3 месяца

язык

язык лекций — украинский, материалов курса — английский

если вы:

01
программист и желаете заполнить пробелы в знаниях, подтянуть математику
02
начинающий разработчик и хотите получить крепкий фундамент для изучения Data Science и Machine Learning

...тогда это мэтч!

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.

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.

навыки,
которыми овладеем

hard skills:

знания по линейной алгебре для манипуляций с матрицами и векторами
решение переопределенной системы линейных уравнений
понимание матричных операций
построение прогнозируемой модели

soft skills:

идентификация, оценка и поиск решения проблем
донесение математических концепций до неспециалистов
эффективное сотрудничество с командой

программа курса

от векторов до ранга матрицы

график занятий

вебинары — вторник в 19:30 видеолекции — п’ятница

01.vectors: vector space
geometric properties
line equation
the basis
plane equation I
02.normed vector spaces: vector length
different distance metrics
vector similarity, clustering; K-Means
K-nearest neighbors (KNN) for classification and regression
03.inner product space: dot product
vector projection on the line
plane equation II
04.hyperplanes: hyperplane equation
support vector machines
kernel trick
05.matrices: matrix operations
matrix as a function
inverse matrix
solving linear equations
matrix rank
singular matrix

выделите время, потому что на курсе будут: 10 видеолекций, 13 живых вебинаровикурсовый проект

авторпрограммы
Ян

Цибулькин

VP Data Science в Workpack.

Являлся основателем нескольких технологических компаний в различных отраслях, в частности в области микроэлектроники. Работал над алгоритмами ускорения проверки топологии чипов, используя тысячи серверов.

Последние 3 года фокусируется на разработке AI ассистентов, помогающих специалистам американской строительной отрасли работать с 2D чертежами, превращая их в цифровые модели. Интересуется робототехникой, в частности, автономными мобильными роботами.

что вас ждет

обучение по-проджекторному

регулярная обратная связь, которая направляет к решению «это оно»
учебный проект, готовый сиять в портфолио — собираете все, что проходили на обучении в полноценную работу над курсовой
интерактивные онлайн-встречи, где слушать на фоне — не получится, потому что превращаете знания из лекций в навыки, разбирая проекты с куратором и одногруппниками
сертификат за достижения — выполнение домашек и успешная защита курсового проекта

платить помесячно

15 750 грн/мес.

при рассрочке цена курса 47 250 грн

оплатить за весь курс
со скидкой

15 000 грн/мес.

при оплате одним платежом цена курса 45 000 грн

определились?
вот как попасть на курс

1зарегистрироваться
2заполнить анкету
3пройти отбор
4стать студентом

отзывы.
что говорят выпускники

София Леонидова

Relevance Analyst в Jooble

“Очень понравились домашние задания, вебинар по линейной регрессии, подготовка и реализация финального проекта, открытость и компетентность куратора, возможность применить математические концепты на моделях машинного обучения. Куратор действительно пытался помочь с материалом и домашними заданиями. Отдельно хочу отметить предпоследний вебинар, на котором мы обсуждали анализ датасета для проекта. Очень многие рассказывают о том, как сделать анализ, и мало кто говорит о том, что с ним потом делать, так что это было очень ценно!

просмотреть

Елена Николенко

Junior Data Scientist в Gyfted

“Каждое домашнее задание и лекция на курсе показывали, как применять линейную алгебру в реальных задачах Data Science. Мы изучали теорию и сразу переводили ее на применение в алгоритмах машинного обучения. Это помогло начать смотреть на данные по перспективе математики и развязало руки для более смелых экспериментов. Уже во время курса мне пришлось опробовать свои знания, когда я проходила собеседование на должность Data Science Intern. И только благодаря более глубокому пониманию математических оснований ML алгоритмов я начала свою карьеру в DS.

просмотреть

Максим Орлюк

ML/MLOps Engineer в Tango

“Все было очень круто!) Сначала были определенные сомнения по поводу формата (материал преподносится в виде видеоуроков), но, как оказалось, это невероятно удобно! Можно подстроить изучение нового материала под себя, а на вебинарах разбирать практические задачи и необъяснимые вещи из материала.

просмотреть

Игорь Козлов

Big Data Tech Lead в Levi9 Ukraine

“Очень понравился подход к преподаванию и продуманности домашних заданий. Они были связаны с реальными прикладными темами, в лекциях или упражнениях упоминалась реальная задача, которую можно было бы решить, опираясь на пройденный материал. Информация хорошо разложена по блокам, дополняющим друг друга.

просмотреть

Олег Омельченко

Product Analyst в MacPaw

“Я ожидал разобраться с нуля в теме, где обычно сложно разобраться самостоятельно. С помощью куратора удалось понять материал курса и определить направление дальнейшего развития в теме линейной алгебры и Data Science.

просмотреть

92,7% студентов довольны обучением в Проджектор, а 82,2% студентов удалось реализовать цели с помощью курсов

*Согласно результатам исследования Projector.
В исследовании учавствовали 567 респондетнов
среди выпускников курсов в 2022.