Запрет складчины

​

Что даст вам этот курс

Вы освоите основные разделы высшей математики, необходимые для успешной работы в Data Science: математический анализ, линейную алгебру, теорию вероятности и статистику. После курса вы будете готовы к изучению машинного обучения.

Для поступления на курс достаточно знать математику на школьном уровне.
Знакомство с высшей математикой будет плюсом, но необязательно.

Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.

Спойлер: Складчина состоит из файлов и папок

20 Неоднородные СЛАУ
Неоднородные СЛАУ.mp4 [99m 773k 481]

Домашнее задание
ДЗ.txt [96]

21 Векторная алгебра
Векторная алгебра.mp4 [254m 1k 619]

Домашнее задание
Vector_spaces___Homework.pdf [26k 781]

Материалы
Vector_spaces_v_02.pdf [1m 257k 551]

22 Диагонализация матрицы. Часть 1
Диагонализация матрицы. Часть 1.mp4 [95m 517k 13]

Домашнее задание
ДЗ.txt [103]

23 Диагонализация матрицы. Часть 2
Диагонализация матрицы. Часть 2.mp4 [110m 719k 619]

Материалы
занятие.pdf [1m 837k 260]

24 MidTerm
MidTerm.mp4 [823m 498k 688]

Домашнее задание
ДЗ.txt [98]

25 Случайные события
Случайные события.mp4 [161m 336k 634]

Материалы
Случаи_ные_события.pdf [816k 897]

26 Случайные величины
Случайные величины.mp4 [191m 683k 671]

Домашнее задание
ДЗ.txt [864]

Материалы
Занятие_26___Случайные_величины___картинки_вместо_формул.pptx [2m 408k 125]

27 Основные законы распределения. Часть I
Основные законы распределения. Часть I.mp4 [134m 534k 792]

Материалы
Distributions.ipynb [1m 89k 905]

28 Основные законы распределения. Часть II
Основные законы распределения. Часть II.mp4 [175m 839k 962]

Домашнее задание
ДЗ.txt [290]

Материалы
Занятие_28___Законы_распределения._Виды_зависимостей_без_формул.pptx [1m 618k 144]

Спойлер: Складчины на другие части

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...
Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...
Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

Что даст вам этот курс

Вы освоите основные разделы высшей математики, необходимые для успешной работы в Data Science: математический анализ, линейную алгебру, теорию вероятности и статистику. После курса вы будете готовы к изучению машинного обучения.

Для поступления на курс достаточно знать математику на школьном уровне.
Знакомство с высшей математикой будет плюсом, но необязательно.

Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.

Спойлер: Содержание складчины (файлы и папки)

01. Введение
Введение.mp4 [124m 455k 823]

Материалы
OTUS_Math_DS_B_Введение_1.pdf [3m 397k 511]

02. Теория пределов. Часть I
Теория пределов. Часть I.mp4 [185m 696k 799]

Материалы
OTUS_Basic_Math_DS_Теория_пределов__1.pdf [2m 176k 202]

03. Теория пределов. Часть II
Теория пределов. Часть II.mp4 [168m 421k 480]

Домашнее задание
OTUS_Math_Basic_ДЗ_1_Пределы.pdf [90k 894]

Материалы
Теория_пределов_часть_2.pdf [753k 216]
Теория_пределов_часть_2.pptx [5m 241k 40]

04. Непрерывность и дифференцируемость функции
Непрерывность и дифференцируемость функции.mp4 [111m 14k 542]

Материалы
OTUS_Basic_Math_DS_Непрерывность.pdf [1m 631k 135]

05. Первая производная
Первая производная.mp4 [164m 1k 106]

Домашнее задание
ДЗ_производная.pdf [82k 899]

Материалы
Более подробное изложение.pdf [1m 303k 524]
Производная.pdf [948k 120]
Производная.pptx [8m 445k 674]

06. Вторая производная
Вторая производная.mp4 [122m 680k 367]

Материалы
OTUS_Basic_Math_DS_Вторая_производная.pdf [2m 330k 847]

07. Оптимизация функции (одной переменной)
Оптимизация функции (одной переменной).mp4 [208m 991k 504]

Домашнее задание
ДЗ_экстремумы.pdf [59k 294]

Материалы
Оптимизация_функции_одной_переменной.pdf [858k 655]

08. Теория рядов. Часть I
Теория рядов. Часть I.mp4 [95m 59k 464]

Материалы
OTUS_Basic_Math_DS_Теория_рядов_1.pdf [1m 140k 661]

09. Теория рядов. Часть II
Теория рядов. Часть II.mp4 [172m 640k 512]

Домашнее задание
ДЗ_ряды.pdf [84k 441]

Материалы
Ряды.pdf [831k 198]

10. Бонусное занятие практика решения задач
Бонусное занятие - практика решения задач.mp4 [111m 303k 323]

11. Формула Тейлора
Формула Тейлора.mp4 [111m 753k 515]

Объем: 1,49Гб.

Спойлер: Складчины на другие части

Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...
Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...
Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...

​

На курсе мы:
- детально разберем самые базовые команды в Linux
- узнаем историю создания операционных систем в целом и Linux в частности
- выясним, что такое ядро операционной системы и системные вызовы
- познакомимся с зомби, сиротами и демонами
- разберем некоторые особенности файловой системы ext4

Программа курса
Модуль 1. Введение
Введение
Операционная система - общие сведения
после это урока, студент будет знать, что такое операционная система, ядро, кольца защиты процессора.

1.1 Для чего нужна ОС?
Что такое компьютер, какие у него цели, почему с ОС удобнее чем без нее.

1.2 Первая ОС . История Multics.

1.3 MS-DOS
Особенности первой ОС для персональных компьютеров.

1.4 Ядро ОС
Что такое программные прерывания, что такое ядро, почему ядро это отдельная часть ОС.

1.5 Кольца защиты и современные ОС
Процессор 80286, особенности адресации памяти, кольца защиты, почему без колец защиты невозможно создать стабильную ОС.

Спойлер: Продолжение описания

UNIX
после этого урока, студент будет знать, как и где появилась ОС UNIX, какие виды этой ОС бывают, узнают принципы по которым разрабатывалась ос Linux.

2.1 История создания
Компания AT&T, компьютер PDP, 1 января 1970 года.

2.2 Философия (всё есть файлы)
"Пишите программы, которые делают что-то одно и делают это хорошо.
Пишите программы, которые бы работали вместе.
Пишите программы, которые бы поддерживали текстовые потоки, поскольку это универсальный интерфейс»."

2.3 Стандарт POSIX
набор стандартов, описывающих интерфейсы между операционной системой и прикладной программой.

2.4 Варианты UNIX
"UNIX, Solaris, AIX, HP-UX, BSD.

Модуль 2.
Структура Linux и команды.

3.1 Структура каталогов
Перечень каталогов, какие будут наиболее часто использоваться.

3.4 Как устанавливается ПО в Linux
исходники, пакеты, репозитории

3.5 Версии Linux
Основные версии Linux и их отличия.

3.6 Сложности на пути изучения Linux
Сложные команды, много параметров, огромные конфиги.

Простейшие команды в Linux
после это урока, студент будет уметь создавать, удалять, копировать, перемещать файлы и каталоги.


4.1 ls - Посмотреть список файлов в каталоге.
4.2 touch - Создать файл.
4.3 mkdir - Создать директорию.
4.4 cd - Сменить текущую директорию
4.5 rm - Удалить файл.
4.6 rmdir - Удалить директорию.
4.7 cp - Копировать файл или директорию.
4.8 mv - Переместить файл или директорию.
4.9 type и 4.10 whereis -"Узнать внутренняя или внешняя команда.
Где находится бинарый файл, переменная PATH."

4.11 who - Кто сейчас работает на сервере.
4.12 man - Страница руководства.

Пользователи в Linux
после этого урока, студент будет знать где хранятся данные о пользователях в Linux.

5.1 Идентификация пользователя (UID)
Как Linux "узнаёт" пользователей

5.2 root и все остальные
Типы пользователей в Linux

5.3 /etc/passwd
Где хранятся данные о пользователе

5.4 /etc/group
Где храняться данные о группах

5.5 /etc/shadow
Где храняться хеши паролей

5.6 Права на файлы в Linux
Виды прав достапу для файлов в Linux

5.7 chmod
Как сменить права для файла

5.8 Файловые системы и inode
Индексный дескриптор файла

5.9 Для чего нужны каталоги
Где хранится имя файла

5.10 HardLink и SoftLink
Жесткие и символические ссылки в Linux

Работа с файлами
после этого урока, студент будет уметь выводить данные файла на экран, просматривать часть файла, применять фильтр для поиска нужной строки в файле

6.1 grep
Фильтр.

6.2 head
Посмотреть начало файла.

6.3 tail
Посмотреть конец фала.

6.4 more и less
Посмотреть файл.

Модуль 3. Потоки, логические команды, процессы, сеть

Работа с потоками STDIN, STDOUT, STDERR
после этого урока,студент будет понимать, что такое стандартные потоки и как их перенаправлять в нужные места.

7 Работа с потоками
Стандартные потоки данных программ

7.1 Перенаправление в файл
"echo test > test"

7.2 Порядок выполнения команды в bash
Как bash “раскручивает” конструкции с >

7.3 Перенаправление в STDIN другой команды
command1 | command2

7.4 tee
Если нам нужно видеть вывод и одновременно перенаправить его в файл

7.5 потоки и указатели
2>&1, 2>&1 1> /dev/null
И, ИЛИ, НЕ ИМЕЕТ ЗНАЧЕНИЯ
после этого урока, студент будет уметь выстраивать логические условия для выполнения команд.

8.1 Код возврата
0 - все хорошо, не 0 - ошибка

8.2 &&
Логическое И

8.3 ||
Логическое ИЛИ.

8.4 ;
Логическое НЕ ВАЖНО.
Монтирование
после этого урока, студент будет понимать что такое монтирование и будет иметь базовые знания о файловых системах Linux.

9.1 где мои диски?
Каталог /dev.

9.2 Монтирование
Практика работы с командой mount
Установка ПО
после этого урока, студент будет уметь устанавливать новое ПО из репозиториев и искать ПО.

Пакеты и репозитории. Какая программа работает с репозиторием. yum search.

10.1, 10.2, 10.3 rpm и yum
10.4 список файлов в пакете
10.5 Поиск пакета по файлу
10.6 список установленных пакетов
Процессы в Linux
после этого урока, студент будет понимать что такое процесс и программа, познакомится с системными вызовами для создания процесса.

11.1 жизненный цикл процесса
"fork(), exec(), exit()."

11.2 PID, PPID
Родитель и потомок.

11.3 владелец процесса
Доступ до процесса.

11.4 демон
Что такое процесс демон.

11.5 kill
Сигналы межпроцессного взаимодействия.

11.6.1 top - Load Average
Знакомство с утилитой top.

11.6.2 top - Cpu (sy, us, ni, id, wa, hi, si, st)
Знакомство с утилитой top.

11.7.1 ps -efl
Что представляет собой запущенный процесс - бинарный файл, параметры....

11.7.2 работа в консоли
Практика: процессы, конфиги, параметры...
Сеть
после обучения студент будет знать как увидеть IP адрес сервера, “шлюз”, dns сервер.

12.1 ip a
Показать сетевые интерфейсы и адреса на них.

12.2 ip r
Показать маршруты.

12.3 /etc/resolv.conf
Где хранится информация о dns сервере.

12.4 ss -tnlp
Какие порты слушает сервер.
Системы инициализации
после обучения студент будет знать как загружается Linux и что такое система инициализации.

13.1 MBR, GRUB, Kernel
Порядок загрузки ОС Linux

13.2 SysV, upstart, systemd
Знакомство с системами инициализации

​

Разработчик C#. Часть 1/5 [OTUS]

Что даст вам этот курс
За 5 месяцев мы последовательно рассмотрим особенности языка C# на уровне начинающего Senior / крепкого Midlle. Подробно изучим внутренние механизмы и устройство языка, CLR (LINQ, многопоточность, асинхронность, рефлексия, сериализация). Научимся разворачивать различные конструкции и представлять их в промежуточном языке (IL). Поработаем с SQL и NoSQL базами данных, кэшированием, Unit-тестами, CI/CD и другими сложными и полезными инструментами профессиональных разработчиков C#.

Must have практики
В процессе обучения рассмотрим паттерны проектирования Банды Четырёх, шаблоны корпоративных приложений Фаулера, принципы SOLID, DRY, YAGNI и другие. А в последнем модуле затронем темы для повышения вашей ценности как специалиста: методологии (Waterfall, Kanban и пр.), подходы (TDD, DDD и пр.) и профессиональный инструментарий программиста (LinqPad, Fiddler и пр.).

Программа разработана специально для C# Developers, которые хотят:
прокачать технические навыки и получить целостное понимание .NET Framework и языка C#;
с лёгкостью отвечать на вопросы на собеседованиях;
научиться работать в Scrum-команде и на практике понять эффективность Agile-подходов.

Спойлер: Программа курса

1 C#
Знакомство,рассказ о формате Scrum, краткий обзор курса
Обзор типов и структур данных
Операции и операторы
Методы, их перегрузка, расширения
Классы как воплощение принципов ООП
Интерфейсы и их особенности
Коллекция коллекций
50 оттенков LINQ
Работа со строками и регулярные выражения

2 С# Advanced
Reflection and Attributes
Как устроена Сериализация?
Исключения и нюансы работы с ними
Что есть в C# для работы с SQL и NoSQL базами данных?
Работа с методами как с переменными (delegates, events)
Дженерики, их реализация и ограничения
Сборщик мусора, деструкторы и финализаторы, Disposable Pattern
Дополнительны евозможности языка: от директив препроцессора до указателей
Что полезного в новых версиях C#?

3 Многопоточность и паттерны проектирования
В чём отличие процесса, потока и домена?
Примитивные и гибридные конструкции синхронизации потоков
Внутрипроцессное взаимодействие
Межпроцессное взаимодействие
Магические слова async / await
Порождающие паттерны проектирования
Структурные паттерны проектирования
Поведенческие паттерны проектирования

4 Клиент-серверная архитектура и микросервисы
Архитектура проекта
Авторизация и аутентификация
WCF, ASMX, Web Api, REST
Волшебство кэширования
Паттерны корпоративных приложений
Насколько твёрдые SOLID принципы?
В поисках лучшего брокера сообщений
CI/CD, Windows-сервисы и консольные приложения

5 Процессы и подходы
Waterfall, Scrum, Kanban, DDD, TDD
Unit, Sandbox, Blackbox, Whitebox, Integration tests
Типы проектов,которые можно реализовать на C#
Рефакторинг, Реинжиниринг, Ренейминг
Логирование, ведение документации и иные BestPractices
Инструментарий программиста

6 Проектная работа
Выбор проекта
Консультация по выбранному проекту
Защита проектных работ

Спойлер: Содержание складчины (файлы и папки)

01_Знакомство, рассказ о формате Scrum, краткий обзор курса
01.mp4 [491m 573k 247]
Домашнее задание.txt [756]

02_Операторы и методы, их перегрузка и расширения
02_1.mp4 [299m 343k 216]
02_2.mp4 [224m 787k 587]
All_Operators_by_precendence-19350-d4181d.pptx [768k 778]
ДЗ.txt [1k 525]
Ссылки.txt [254]

03_Классы как воплощение принципов ООП
03.mp4 [381m 795k 42]
3_Классы_как_воплощение_принципов_ООП.pptx [9m 796k 993]

04_Интерфейсы и их особенности
04.mp4 [336m 863k 986]
Interfaces.pptx [267k 505]
ДЗ.txt [694]
Ссылки.txt [903]

05_Особенности встроенных коллекций
05.mp4 [292m 713k 281]
2019_11_18_Стандартные_коллекции.pdf [2m 684k 68]

06_50 оттенков LINQ
06.mp4 [202m 631k 90]
LINQ.pptx [236k 540]
ДЗ.txt [2k 311]
Ссылки.txt [103]

07_Строки и регулярные выражения
07_1.mp4 [233m 109k 816]
07_2.mp4 [17m 533k 478]
07_3.mp4 [146m 274k 70]
ДЗ.txt [936]
Ссылки.txt [392]
Строки_и_регулярные_выражения.pptx [129k 672]

Объем: 2.45ГБ.

​

Сегодня разработка архитектуры программного обеспечения является одним из главных навыков специалиста для создания масштабируемых и отказоустойчивых приложений.

Для кого этот курс:
Программа создана специально для разработчиков, Team Lead и администраторов, которые хотят научиться разрабатывать архитектуру программного обеспечения и
сложных распределенных и отказоустойчивых систем.

Фишки курса
В процессе обучения рассматриваются и типичные и не типичные проблемы в проектировании архитектуры ПО. Преподаватели поделятся лучшими практиками и решениями этих проблем. В программу входит много полезной теории, и вся она будет обязательно закрепляться практикой в рамках самостоятельной работы и онлайн-вебинаров.

После курса вы научитесь:
1. планировать архитектуру и создавать масштабируемые, fault-tolerant приложения
2. решать нетривиальные задачи, в рамках распределенных и децентрализованных систем
3. поймете, как решать проблемы в текущей, заложенной архитектуре
4. изучите классические паттерны проектирования (шардирование, репликация, и т.д.)

​

Данная книга посвящена тому, как на языке JavaScript создавать хороший код для фронтенда (и не только). В книге последовательно затронуты все аспекты производства JavaScript-кода: от выбора архитектуры и конструирования кода до покрытия модульными тестами, отладки, интеграционного тестирования, сборки и непрерывной поставки вашего кода. Рассматриваются как общие моменты - постановка процесса разработки, событийно-ориентированная архитектура JavaScript-приложений, техника непрерывной интеграции, так и предельно конкретные вопросы - как и какие инструменты (фреймворки) использовать для той или иной задачи, что конкретное нужно делать в том или ином случае, какие ошибки встречаются. Попутно в книге рассмотрено применение большого количества инструментов. Существенное внимание уделено автоматизации на всех этапах создания и поставки JavaScript-кода.

Книга написана доступным языком и представляет несомненный интерес для всех, кто занимается или планирует заняться программированием на JavaScript, хочет повысить качество своего JavaScript-кода, добиться высокой эффективности в создании качественного кода фронтенда.

Книга будет полезна как начинающим, так и опытным JavaScript-разработчикам.

Издательство: Наука и Техника, 2020 г
Страниц: 320

​

Лекций - 98
Общее время - 13:09:55
Язык - Русский

Чему вы научитесь

• Создавать мобильные приложения под iOS и Android на языке JavaScript
• Создадите несколько приложений в течении курса
• React Native на практике
• Получите много опыта и Best Practices в React

Спойлер: Программа курса:

– Введение и подготовка

• Про данный курс
• Как работает React Native
• Создание первого проекта
• Запуск на мобильном телефоне
• Настройка Android
• Настройка iOS
• Среда разработки

– Основы

• Планирование приложения
• Создание и обзор приложения
• Как работают стили
• Выравнивание элементов
• Взаимодействие компонентов
• Работа с документацией
• Добавление формы
• Создание стейта
• Вывод списка элементов
• Обработка формы
• Вывод сообщения с ошибкой
• Параметры клавиатуры
• Добавление скролла
• Рендеринг списка
• Добавление событий

– Работа с компонентами

• Планирование функционала
• Добавление разных экранов
• Переключение экранов
• Стилизация кнопок
• Создание констант для темы
• Компонент карточки
• Окно confirm
• Создание модального окна
• Изменение и сохранение элементов
• Работа с картинками

– Элементы Expo и стили

• Загрузка шрифтов
• Подключение шрифтов
• Переиспользуемые компоненты текста
• Добавление иконок
• Использование иконок
• Управление клавиатурой
• Определение платформы
• Адаптивные стили
• Адаптация ориентации экрана

– Управление состоянием c Context

• Что будем делать
• Создание контекста
• Рефакторинг приложения
• Создание редюсера
• Рефакторинг редюсера
• Создание состояния экрана
• Изменение экрана
• Рефакторинг приложения
• Завершение

– Работа с сервером

• Настройка Firebase
• Подготовка приложения
• Создание нового элемента
• Загрузка данных с сервера
• Индикатор загрузки
• Обработка ошибок
• Обновление элементов
• Удаление элементов
• Рефакторинг и создание класса Http

– Навигация (Новое Приложение)

• Планирование
• Создание приложения
• Создание экранов
• Настройка навигации
• Переключение экранов
• Стилизация навигации
• Стилизация отдельного скрина
• Компонент отображения поста
• Параметры навигации
• Стилизация страницы поста
• Добавление иконок в шапку
• Динамические иконки в шапке
• Нижняя навигация
• Отображение избранного
• Адаптация меню под андроид
• Рефакторинг кода
• Добавление левого меню
• Завершение навигации
• Стилистика для меню
• Завершение

– Redux

• Как работает Redux
• Настройка Redux
• Получение данных
• Добавление в избранное
• Удаление данных
• Создание нового элемента

– Нативные компоненты

• Введение и установка
• Добавление фото
• Завершение формы
• Подготовка приложения
• Подключение базы данных
• Получение данных из базы
• Файлы и создание записи
• Обновление и удаление
• Завершение приложения

– Подготовка и деплой

• Настройка приложения
• Обновления приложения
• Подготовка в билду
• Билд и деплой

Требования

• Уверенное владение JavaScript + EcmaScript 6
• Базовое понимание React JS
• Знаний по Java или Swift НЕ нужно! Только JavaScript

Описание

• Вы научитесь создавать крутые мобильные приложения для Android и iOS используя только JavaScript
• Из предварительных знаний только JavaScript и React
• В курсе содержится 11 блоков, 10 из которых - практические
• В рамках данного курса вы создадите 2 мобильных приложения, на которых изучите функционал React Native

В курсе так же рассматривается React, React Hooks, Context API, Redux и React Best Practices

Для кого этот курс:

• Веб-разработчики
• Разработчики мобильных приложений
• Фрилансеры
• Frontend разработчики (любой уровень)

​

Что даст вам этот курс

Вы освоите основные разделы высшей математики, необходимые для успешной работы в Data Science: математический анализ, линейную алгебру, теорию вероятности и статистику. После курса вы будете готовы к изучению машинного обучения.

Для поступления на курс достаточно знать математику на школьном уровне.
Знакомство с высшей математикой будет плюсом, но необязательно.

Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.

​

Полный курс по работе с базой данных PostgreSQL
Курс включает в себя все инструменты, которые могут пригодиться как разработчику, так и администратору: управление доступом, резервное копирование, репликация, журналирование, работа со статистикой, способы масштабирование, а также работа PostgreSQL в облаках (AWS, GCP, Azure) и в Kebernetes

Курс обеспечивает глубокое погружение в PostgreSQL, чтобы проектировать базы данных так, чтобы впоследствии не приходилось тушить пожары в результате не оптимально заложенных основ.

Цель курса — научить слушателя эффективно работать с PostgreSQL:

В результате обучения выпускники смогут уверенно работать с PostgreSQL, создавать оптимальные запросы и разбираться с некорректными, работать с индексами, оптимизировать, профилировать и обновлять базы данных.

1. Получите навыки которые позволят работать в качестве PostgreSQL DBA - устанавливать, настраивать, поддерживать и развивать БД под управлением PostgreSQL;
2. Научитесь работать с PostgreSQL в различных средах - на базе собственной физической и виртуальной инфраструктуры, в кластере Kubernetes, в публичном облаке (AWS, GCP,Яндекс, Azure)

Для кого:

• для администраторов Linux, которые хотят овладеть или улучшить навыки PostgreSQL DBA;
• для администраторов MySQL/MS SQL/Oracle Server, которые хотят овладеть навыками PostgreSQL DBA;
• для DevOps/SRE, которые хотят улучшить навыки работы с PostgreSQL и научиться новым способам работы с СУБД - Kubernetes, облака

На курсе вы:

• научитесь проектировать базы данных и создавать оптимальную структуру их хранения;
• освоите синтаксис и особенности работы в PostgreSQL;
• сможете оптимизировать медленные запросы.

Преподаватели:
Валерий Безруков
Алексей Цыкунов
Кристина Кучерова

​

Этот курс позволит вам овладеть базовым набором знаний и навыков, необходимых для старта карьеры разработчика на С++ и подготовки к основному курсу «Разработчик С++». По окончанию курса слушатели смогут пройти входной тест курса «Разработчик C++» и получить доступ к обучению. Слушатели смогут самостоятельно разрабатывать программы на языке C++.

Материалы курса представляют собой предварительно записанные в студии лекции с теоретической частью и наглядной практической работой. После каждой темы вам будет предложен тест для проверки усвоенного материала.

Введение в язык C++.
Тема 1.1. Что такое современный C++.
Тема 1.2. Базовый синтаксис языка C++.
Тема 1.3. Такие разные функции. Модульность.

Классы и алгоритмы.
Тема 2.1. Структуры и классы.
Тема 2.2. Полиморфизм и все-все-все.
Тема 2.3. Шаблоны классов и функций.

Стандартная библиотека и полезные алгоритмы.
Тема 3.1. Общий обзор стандартной библиотеки.
Тема 3.2. Подробнее о контейнерах и вводе-выводе.
Тема 3.3. Алгоритмы, которые лучше знать лучше.

Обо всём на свете, но больше всё-таки о C++.
Тема 4.1. Зачем в процессоре более одного ядра или разговор о многопоточности.
Тема 4.2. Исключения есть всегда и C++ не исключение.
Тема 4.3. Модель клиент-сервер и разбор реализации.

При успешном прохождении курса вы получите приглашение в Slack сообщество и возможность приобрести со скидкой основной курс «Разработчик С++» без прохождения вступительного теста (при 80 % и более правильных ответов на тесты подготовительного курса).

[Otus]с минимальными знаниями программирования, которые хотят начать свою карьеру в разработке на языке С++.

Курс поможет выработать базовые навыки разработки программного обеспечения на языке C++, сборки проектов в различном окружении, решения часто встречающихся при разработке проблем.

Данный курс позволит вам овладеть базовым набором знаний и навыков, необходимых для старта карьеры разработчика на С++ и подготовки к основному курсу «Разработчик С++».
По окончанию курса слушатели смогут пройти входной тест курса "Разработчик C++" и получить доступ к обучению.
Слушатели смогут самостоятельно разрабатывать программы на языке C++.

Материалы курса представляют собой предварительно записанные в студии лекции с теоретической частью и наглядной практической работой. После каждой темы вам будет предложен тест для проверки усвоенного материала.

Курс состоит из 4 модулей, в рамках которых рассмотрены следующие темы:

Введение в язык C++.
Тема 1.1. Что такое современный C++.
Тема 1.2. Базовый синтаксис языка C++.
Тема 1.3. Такие разные функции. Модульность.

Классы и алгоритмы.
Тема 2.1. Структуры и классы.
Тема 2.2. Полиморфизм и все-все-все.
Тема 2.3. Шаблоны классов и функций.

Стандартная библиотека и полезные алгоритмы.
Тема 3.1. Общий обзор стандартной библиотеки.
Тема 3.2. Подробнее о контейнерах и вводе-выводе.
Тема 3.3. Алгоритмы, которые лучше знать лучше.

Обо всём на свете, но больше всё-таки о C++.
Тема 4.1. Зачем в процессоре более одного ядра или разговор о многопоточности.
Тема 4.2. Исключения есть всегда и C++ не исключение.
Тема 4.3. Модель клиент-сервер и разбор реализации.

При успешном прохождении курса вы получите приглашение в Slack сообщество и возможность приобрести со скидкой основной курс «Разработчик С++» без прохождения вступительного теста (при 80 % и более правильных ответов на тесты подготовительного курса).

Курс разработан для людей, с минимальными знаниями программирования, которые хотят начать свою карьеру в разработке на языке С++.

Курс поможет выработать базовые навыки разработки программного обеспечения на языке C++, сборки проектов в различном окружении, решения часто встречающихся при разработке проблем.

​

Что даст вам этот курс:
Курс рассчитан на Android-разработчиков с опытом работы от 1 года, со знанием Java или Kotlin.

Вы научитесь:

• Глубоко разбираться в Android SDK. Разница между junior- и senior-разработчиками в том, что первый может реализовать какую-то фичу, а второй может объяснить, что скрывается за каждой строкой кода этой фичи, найти потенциальные проблемные места и оптимизировать их. Вы узнаете, что происходит внутри классов и методов Android SDK, сможете заметно ускорить свое приложение, выбрать оптимальный алгоритм шифрования для вашего приложения, и организовать безопасное хранилище секретных данных.
• Организовывать инфраструктуру. Разворачивать системы continuous integration и continuous delivery, выстраивать git flow, поднимать Docker-контейнеры и Jenkins внутри них. Научитесь внедрять и настраивать линтеры и чекстайлы для проверки качества кода. Сможете писать свои Gradle таски и плагины для автоматизации и оптимизации процессов сборки и тестирования.
• Проектировать архитектуру приложения. Вы узнаете сильные и слабые места паттернов и архитектурных решений, научитесь правильно выбирать архитектурный паттерн для вашего приложения. Освоите GoF, MV* шаблоны для Android и принципы Clean Architecture. Научитесь проектировать мультимодульную архитектуру и проводить рефакторинг legacy кода.
• Тестировать приложения. Недостаточно просто уметь писать тесты. Важно приучиться писать надежный и протестированный код, интеграционные тесты и UI-тесты. Рассмотрим популярные фреймворки для тестирования и подходы к написанию тестов.
• Использовать современные библиотеки и фреймворки На профессиональном уровне освоите Dagger 2 и RxJava 2, сможете правильно организовывать DI в приложении с использованием Dagger 2, писать собственные операторы в RxJava и т.д.Глубокое погружение в промышленную Android-разработку
  Весь курс построен на языке Kotlin
  Много практики и живого общения с преподавателями
  Глубокое изучение Gradle, Dagger 2, RxJava 2, а также процесса тестирования Android-приложений
  Выстраивание инфраструктуры «с нуля»
  Проектирование архитектуры приложений

Необходимые знания:

• Опыт разработки под Android от 1 года
• Знание Java Core или Kotlin
• Знакомство с системой контроля версий git
• Знакомство с популярными фреймворками: Dagger, RxJava, Android architecture components
• Опыт работы с сетью и хранилищами данных в Android
• Понимание принципов RESTful API

3 Architecture

1 Design patterns
GoF паттерны, publisher/ subscriber, LRU etc. После этого занятия вы научитесь применять на практике часто используемые паттерны проектирования из GoF, паттерны многопоточного взаимодействия и синхронизации, кеширования и т.п.

2 MV* patterns in Android
Архитектурные паттерны: MVP/ MVVM/MVI. После занятия вы сможете подбирать нужный архитектурный проект и собирать проект на основе данной архитектуры.

3 Clean Architecture
После занятия вы сможете выстраивать архитектуру в соответствии с принципами Clean Architecture сформулированными Бобом Мартином.

4 Android Architecture
Components LifecycleOwner, LiveData, Room, Paging, ViewModel. После занятия вы сможете применять AAC в своих приложениях, адаптировать их под конкретно выбранную архитектуру.

5 Dagger 2
Dagger2, Dagger2 Android Injector. Вы сможете правильно организовывать DI в приложении, используя Dagger2.

6 RxJava 2
После занятия вы научитесь применять “недооцененные” операторы, писать собственные операторы, узнаете как работают шедулеры.

7 Multimodule project
Dagger2, Gradle modules. После этого занятия вы научитесь проектировать мультимодульную архитектуру приложения.

8 Code smells + refactoring
После этого занятия вы научитесь находить плохие архитектурные решения, строить roadmap и проводить рефакторинг.

Скрытый текст. Открывается зарегистрированным пользователям.

​

Сегодня разработка архитектуры программного обеспечения является одним из главных навыков специалиста для создания масштабируемых и отказоустойчивых приложений.

Для кого этот курс:
Программа создана специально для разработчиков, Team Lead и администраторов, которые хотят научиться разрабатывать архитектуру программного обеспечения и
сложных распределенных и отказоустойчивых систем.

Фишки курса
В процессе обучения рассматриваются и типичные и не типичные проблемы в проектировании архитектуры ПО. Преподаватели поделятся лучшими практиками и решениями этих проблем. В программу входит много полезной теории, и вся она будет обязательно закрепляться практикой в рамках самостоятельной работы и онлайн-вебинаров.

После курса вы научитесь:
1. планировать архитектуру и создавать масштабируемые, fault-tolerant приложения
2. решать нетривиальные задачи, в рамках распределенных и децентрализованных систем
3. поймете, как решать проблемы в текущей, заложенной архитектуре
4. изучите классические паттерны проектирования (шардирование, репликация, и т.д.)

​

Начало занятий
25 октября, 4 месяца.

Что даст вам этот курс​

Обычно математику в вузах преподают в отрыве от реальных задач, где она в дальнейшем будет применяться. Мы пошли по другому пути. Каждый модуль профессионального курса сбалансирован математической теорией и практическими примерами, которые взяты из реальных кейсов. Вы будете решать задачу регрессии, проводить АБ-тестирование, работать над рекомендательной системой, использовать метод опорных векторов.

Для кого этот курс?
Курс подойдет всем, кто хочет развиваться в сфере Data Science. Он поможет вам освоить весь необходимый математический аппарат для решения задач на позиции Middle/Senior Data Scientist.

Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.

Спойлер: Программа курса :

Длительность курса: 132 академических часа

Модуль 1 Линейная алгебра

1 Введение 1.
Математика в
DataScience
понимание, что быть успешным Datascientist без
знания математики, а главное без ее понимания,
невозможно.
План и структура этого курса.
Знакомство с преподавателем
Математика для Data
Science. Продвинутый
курс
Best Practice по изучению математического аппарата,
необходимого для успешной карьеры в Data Science

2 Введение 2.
Основные
термины и
определения
математического
анализа,
линейной
алгебры и
теории
вероятностей
— Базовые термины матанализа (предел,
непрерывность функции, дифференциал)
— Базовые термины линейной алгебры (вектор,
матрица, ее виды, ранг, определитель)
— Базовые термины теории вероятности
(определение вероятности, мат.ожидание,
дисперсия)
— Установка Python, предоставление рекомендаций
по интерпретатору
— Вычисление базовых задач на Python с помощью
стандартных пакетов
Домашние задания
1 Основы линейной алгебры, мат.анализа и
теории вероятности
Цель: Цель данной домашней работы - развить
практические навыки, полученных в ходе
первого и второго уроков.
Рекомендуется сначала пройти урок 1 и 2.

3 Матрицы.
Основные
понятия и
операции
ключевые определения, операция над матрицами,
определитель, обратная матрица, вычисления
собственных значений и собственных векторов,
квадратичные формы
Домашние задания
1 Посчитать собственные числа и
вектора.

4 Геометрическая
интерпретация в
линейной
алгебре
— Геометрическая интерпретация матричных
преобразований
— Правило Крамера
— Знакоопределенность матрицы. Матрица
Маркова. Жорданова форма

5 Матричные
разложения
— Разложение SVD и ALS
— Неотрицательные разложения
— Заполнения пропусков в матрицах
Домашние задания
1 Разложить матрицу в SVD.
Цель: Для матрицы A=[3 7] выполнить
сингулярное разложение в python с
использованием библиотеки numpy (функция
linalg.svd). Записать получившуюся матрицу
преобразования. [5 2]
1. Установить набор библиотек Anaconda for
Python 3.7: Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...
2. Запустить графическую среду Ipython
Notebook (написав в терминале ipython
notebook, либо используя графический
интерфейс Anaconda)
3. Отразить код задания в Ipython Notebook
4. Прислать ссылку на репозиторий, в котором
будет выложен Ipython Notebook с решением
задачи

6 Матричные
производные
— Матричные производные
— Дифференциальные уравнения в матрицах

7 Применение
линейной
алгебры в Data
Science.
классификация данных с SVM и Logistic Regression
Домашние задания
1 Повторить вычисления с занятия в Python на
других данных.

8 Применение
линейной
алгебры в
Machine
Learning
обработка изображений и линейная алгебра

Модуль 2 Математический анализ
1 Теория множеств — Вероятностные пространства. Дискретное
пространство элементарных исходов
— Вероятность на числовой прямой и
плоскости. Правило сложения и умножения

2 Метрические
пространства
— Понятие метрического пространства.
— Определение нормированного
пространства, понятие нормы, отличие от
метрики, примеры нормированных
пространств.
— Норма в оптимизации
Домашние задания
1 Свойство метрики. Вычислить простые
операции над множеством.

3 Теория пределов — Определение Коши.
— Определение Пиано.
— Вычисление пределов функций.
— Асимптотические функции.
— Эквивалентные функции.
— Оценка сложности функции

4 Дифференцирование — Дифференцируемость функции в точке
Частные производные и дифференциалы
высших порядков
— Градиент. Матрица Гессе
Домашние задания
1 Вычисление производных и пределов
значений функции в бесконечности.

5 Оптимизация — Экстремумы функций многих переменных
— Определения точек локального и
глобального минимума. Необходимое и
достаточное условие экстремума для
выпуклых функций.
— Понятие стационарных точек и отличие в их
определении от точек экстремума

6 Минимизация и
Максимизация в
Регрессиях
— МНК
— ММП
Домашние задания
1 Максимизация функции с ограничениями.
Минимизация квадрата ошибки.

7 Интегрирование — Неопределенный интеграл. Определенный
интеграл
— Приложения определенного интеграла и
приближенные методы его вычисления
— Несобственные интегралы. Двойные
интегралы
— Приближенные методы интегрирования

8 Применение
Мат.анализа в ML
— Покоординатный спуск
— Градиентный спуск
— Адаптивные варианты градиентного спуска
— Ньютоновские методы, BFGS
Домашние задания
1 Поиск экстремума с
Python.

9 Применение
Мат.анализа в ML
— Линейная регрессия и разные подходы к
оптимизации (градиентный спуск, bounds, итд.)
— Нелинейная регрессия (реализация на
нейронных сетях) и разные подходы к
оптимизации
10 MidTerm проверочная работа.
В ходе занятия будет предоставляться от 2-х
до 5-ти минут на решение практической
задачи. По истечению отведенного времени
преподаватель решает задание на экране

Модуль 3 Теория вероятностей
1 Комбинаторика
и Основы
теории
вероятностей
— Принцип Дирихле. Перестановки. Размещения.
Сочетания.
— Опыт и его исходы. Пространство элементарных
событий. Вероятность события.
— Независимость событий. Условная вероятность.
Формулы сложения и умножения.
— Формулы полной вероятности и Байеса

2 Случайные
величины
— Случайная величина
— Дискретные и непрерывные случайные величины
— Закон распределения случайной величины и
способы его описания
Дискретные и непрерывные распределения
— Функция распределения и её свойства
— Распределение Бернулли
— Биномиальное распределение
— Моделирование на Python дискретное
распределение (для задачи МонтеКарло)
Домашние задания
1 Вычислить мат.ожидание, написав программный
код в Python.

3 Непрерывные
случайные
величины
— Основные законы распределения и их физический
смысл: биномиальное, пуассоновское,
экспоненциальное, равномерное, гауссовское
— Компьютерное моделирование различных
распределений

4 Теоремы — Случайные последовательности и сходимость
— Теорема Пуассона для схемы Бернулли
— Закон больших чисел (Чебышева, Бернулли,
Хинчина)
— ЦПТ Локальная, ЦПТ Линдеберга, ЦПТ Ляпунова
— Точечные оценки и их свойства
Домашние задания
1 Задачи на предыдущие темы курса:
максимизировать функцию. Отнормировать
относительно среднего. Вычислить количество
возможных повторений.

5 Точечное и
интервальное
оценивание
— Асимптотическая нормальность оценок
— Доверительные интервалы. Принцип построения
доверительных интервалов

6 Проверка
гипотез
— Проверка статистических гипотез. Формулировка
гипотез.
— Проверка гипотезы о законе распределения
выборки. Критерий согласия Пирсона.
— Проверка гипотезы о независимости двух
номинальных признаков. Критерий хи-квадрат

7 Проверка
гипотез. Часть 2
— Ошибки I и II рода, уровень значимости.
Статистический критерий. Построение
доверительной и критической областей. P-value
— Проверка гипотезы о вероятности успеха в схеме
Бернулли. Биномиальный критерий

8 Виды
зависимостей
— Виды зависимостей случайных величин:
функциональная, причинно-следственная,
статистическая, корреляционная. Различия и связь
между ними.
— Условные распределения

9 Регресии — Линейные, многомерные, логистические регрессии
— МНК, ММП, ММ
Домашние задания
1 Построить линейную регрессию в
Python.

10 Метод главных
компонент
— Определение главных компонент, их вычисление
— Понижение размерности и отбор признаков
— Применение в задачах регрессионного анализа

11 Моделирование
случайных
величин
— Random Walks, практические методы
— Вероятностный классификатор: Logistic
Regression, Random Forest, Gradient Boosting
— Вероятностные Нейронные Сети

12 Моделирование
случайных
величин.Часть 2
— Random Walks, практические методы
— Вероятностный классификатор: Logistic
Regression, Random Forest, Gradient Boosting
— Вероятностные Нейронные Сети
Домашние задания
1 Провести Монте-Карло симуляцию для
вычисления числа Пи.

Модуль - 4 Проектная работа
1 Консультация
по проекту
обсуждение кейса из практики
Домашние задания
1 Проектная
работа

2 Консультация
по проекту
обсуждение кейса из практики

3 Защита
дипломного
проекта
обсуждение кейса из практики

Спойлер: Автор:

Преподаватели

Петр Лукьянченко
Преподаватель ВШЭ по высшей математике

Имеет более десяти лет опыта преподавания математических дисциплин в НИУ ВШЭ. Готовил студентов к международным олимпиадам по математике, участвовал в подготовке команд для соревнований по программированию.

Работал в Lamoda на должности Team Lead Analytics, принимал участие в формировании отдела бизнес-аналитики и анализа данных. Руководил проектами в госструктурах, отвечал за прогнозирование ключевых бизнес-KPI и структурирование данных большого объема. Управлял проектом по созданию математического комплекса алгоритмов 3D-картографии.

Около 3 лет работал Quantitative Research. Занимался анализом и прогнозированием временных рядов, участвовал в создании модели стохастической волатильности.

​

30 октября 2019. Длительность 4 месяца.
Что даст вам этот курс
Вы освоите основные разделы высшей математики, необходимые для успешной работы в Data Science: математический анализ, линейную алгебру, теорию вероятности и статистику. После курса вы будете готовы к изучению машинного обучения.

Для поступления на курс достаточно знать математику на школьном уровне.
Знакомство с высшей математикой будет плюсом, но необязательно.

Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.

Программа курса :
Длительность курса: 68 академических часов
Модуль 1 Математический анализ

1 Введение математика в Data Science. Цели и задачи
курса.

2 Теория пределов числовая последовательность.
Предел числовой последовательности.
Предельный переход в неравенствах.
Предел монотонной ограниченной последовательности.
Предел функции.
Математика для Data Science. Базовый курс
Изучите высшую математику для успешной карьеры в Data Science.

3 Теория пределов.
Часть II
определения и основные теоремы.
Основные теоремы о пределах.
Первый и второй замечательные пределы.
Сравнение бесконечно малых.
Эквивалентные бесконечно малые, основные теоремы и применение.

Спойлер: Продолжение описания

4 Непрерывность и Дифференцируемость функции непрерывность функции в точке.
Непрерывность функции в интервале и на промежутке.
Точки разрыва функции и их классификация.
Основные теоремы о непрерывных функциях.
Непрерывность элементарных функций.
Свойства функций, непрерывных на промежутке.

5 Первая производная определение и интерпретация производной.
Уравнение касательной к графику дифференцируемой функции.
Производная как абсолютная скорость изменений и эластичность как относительная скорость изменений.
Непрерывность дифференцируемых функций.
Производная и арифметические операции.
Производная композиции дифференцируемых функций.
Производная обратной функции.
Производные основных элементарных функций.

6 Вторая производная геометрический смысл второй производной.
Выпуклые функции.
Применение второй производной в задачах оптимизации.

7 Оптимизация функции
(одной переменной) точки возрастания, убывания, локального минимума и локального максимума числовой функции.
Интерпретации знака производной как признак точки возрастания или убывания.
Необходимое условие экстремума.

8 Теория Рядов понятие положительного, знакочередующегося и степенного рядов.
Область сходимости.
Простейшие свойства функциональных рядов.
Абсолютная и условная сходимость.

9 Теория Рядов. Часть II

10 Формула Тейлора формула Тейлора для многочлена.
Формула Тейлора для произвольной функции.

11 Неопределенное интегрирование определения и простейшие свойства.
Метод непосредственного интегрирования.
Метод интегрирования подстановкой.
Метод интегрирования по частям.

12 Определенное интегрирование понятие определенного интеграла.
Свойства определенного интеграла.
Понятие о рациональных функциях.
Интегрирование простейших рациональных дробей.
Интегрирование рациональных дробей.

13 Несобственные интегралы
понятие несобственных интегралов 1-го и 2-
го рода. Несобственные интегралы от
неотрицательных функций. Абсолютная
сходимость.
и. Дифференциалы высших порядка

Модуль 2 Линейная алгебра

1 Матрицы и элементарные операции
системы линейных уравнений. Определение
матрицы. Виды матриц. Сложение. Умножение.
Транспонирование.

2 Линейная зависимость
линейная зависимость строк (столбцов).
Основная лемма о линейной зависимости, база и ранг системы строк (столбцов).
Ранг матрицы.
Критерий совместности и определенности системы линейных уравнений в терминах рангов матриц.
Фундаментальная система решений однородной системы линейных уравнений.

3 Определитель определитель квадратной матрицы, его основные свойства.
Критерий равенства определителя нулю.
Формула разложения определителя матрицы по
строке (столбцу). Теорема Крамера о системах
линейных уравнений с квадратной матрицей

4 Обратная матрица определитель квадратной матрицы, его основные свойства.
Критерий равенства определителя нулю.
Формула разложения определителя матрицы по
строке (столбцу). Теорема Крамера о системах
линейных уравнений с квадратной матрицей.

5 СЛАУ критерий совместимости СЛАУ (теорема КронекераКапелли ).
Решение произвольных систем m
линейных уравнений с n неизвестными методом
Гаусса. Однородные САЛУ и их решение.

6 Векторная алгебра линейные векторные пространства.
Линейные преобразования.
Скалярное и векторное произведение векторов

7 Диагонализация матрицы собственные значения и собственные векторы

8 Диагонализация матрицы собственные значения и собственные векторы

9 MidTerm практическое занятие. Решение задач.

Модуль 3 Теория Вероятностей
1 Случайные события опыт и его исходы.
Пространство элементарных событий.
Вероятность события.
Независимость событий.
Условная вероятность.
Формулы сложения и умножения.
Формулы полной вероятности и Байеса.

2 Случайные величины случайная величина.
Дискретные и непрерывные
случайные величины. Закон распределения
случайной величины и способы его описания.
Моментные характеристики случайных величин.
Компьютерное моделирование необходимого
распределения.

3 Основные законы распределения
основные законы распределения и их физический
смысл: биномиальное, пуассоновское,
экспоненциальное, равномерное, гауссовское.

4 Основные законы распределения.
Часть II

5 Условные распределения
виды зависимостей случайных величин. Различия и
связь между ними. Условные распределения.

6 Точечные оценки и их свойства
точечные оценки и их свойства. Метод
максимального правдоподобия.

7 Выборочные характеристики.
Интервальные
оценки
выборочные характеристики (выборочное среднее,
выборочная дисперсия, выборочная функция
распределения, гистограмма, ядерные оценки
плотности) как оценки теоретических.
Доверительные интервалы. Принцип построения
доверительных интервалов

8 Проверка гипотез
проверка гипотезы о законе распределения
выборки. Критерий согласия Пирсона.
Проверка гипотезы о независимости двух
номинальных признаков. Критерий хи-квадрат.

9 Проверка гипотез. Часть II

10 Регрессии линейные, многомерные, логистические регрессии.
МНК, ММП, ММ.

11 Регрессии.
Часть II

Автор:
Преподаватель
Петр Лукьянченко
Преподаватель ВШЭ по высшей математике

Имеет более десяти лет опыта преподавания математических дисциплин в НИУ ВШЭ. Готовил студентов к международным олимпиадам по математике, участвовал в подготовке команд для соревнований по программированию.

Работал в Lamoda на должности Team Lead Analytics, принимал участие в формировании отдела бизнес-аналитики и анализа данных. Руководил проектами в госструктурах, отвечал за прогнозирование ключевых бизнес-KPI и структурирование данных большого объема. Управлял проектом по созданию математического комплекса алгоритмов 3D-картографии.

Около 3 лет работал Quantitative Research. Занимался анализом и прогнозированием временных рядов, участвовал в создании модели стохастической волатильности.