Курс находится на этапе разработки.

Длительность курса ориентировочно 3 месяца.

Уникальная учебная программа - полный курс от самых азов до навыков создания систем обработки данных и предсказания. Самый простой способ научиться работать с данными, потому что MATLAB - самый доступный язык программирования для непрограммистов , он содержит большое количество функций, самую лучшую и подробную документацию, встроенные графические приложения для упрощения работы. Выполняйте домашние задания прямо в браузере с моментальной проверкой на правильность выполнения.

Ты с нуля учишься решать реальные задачи по обработке данных и созданию моделей машинного обучения, даже не зная изначально, что это вообще такое. Узнаешь, о последних фишках MATLAB в области анализа данных, которые появились за последние несколько лет. Освоишь доступный язык программирования для "непрограммистов" и сможешь писать свои алгоритмы.

Matlab - это мощный инструмент с огромным количеством библиотек по всем направлениям от систем управления и физического моделирования до нейросетей и BigData, включая предсказательные модели.

Matlab интегрируется с Python, R и С, а также включает в себя библиотеки кодогенерации.

Matlab используют крупные компании и банки для построения предсказательных моделей и анализа данных, а также для разработки.

Минимальные требования для прохождения курса
Знания базовой математики, основ линейной алгебры (хотя бы понимание, что такое матрицы и вектора), базовое понимание алгоритмов (циклы и условия).

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.

Преподаватель

Петр Лукьянченко

Преподаватель ВШЭ по высшей математике

Подробная программа PDF 62 kb

Программа обучения

Модуль 1

Введение

Модуль 2

Численные и Символьные исчисления

Модуль 3

High Performance Computing

Модуль 4

Machine Learning в MATLAB

Модуль 5

Развертывание алгоритмов

Модуль 6

Очень большой и классный проект

Подробная программа PDF 62 kb

Введение

Установка MATLAB. Знакомство с основными функциями и операторами
Векторы, матрицы, операции с ними, работа с памятью
Работа с ячейками, текстом, структурами, таблицами, временем
Представление данных в виде матриц. Выбор данных по условиям
Импорт и обработка данных. Предобработка, преобразование и анализ данных
Построение 2D и 3D графиков. Типы графиков и их настройка
Основные программные конструкции, создание своих функций

Оценить модуль

Тема 1: Знакомство с MATLAB

получение лицензии и установка. Обзор IDE. Создание переменных. Импорт данных с помощью GUI. Построение графиков с помощью GUI

Тема 2: Массивы

Создание векторов и матриц. Индексация. Размер массива (length, size). Создание равномерно распределенных последовательностей чисел (linspace). Инициализация массивов (zeros, ones). Генерация случайных чисел (rand, randn, randi).

Тема 3: Типы данных

работа с ячейками (cell). Создание текстовых переменных и работа с ними (char, cellstr, string). Структуры (structure) и таблицы (table, timetable). Дата и время (datetime, duration, calendarDuration)

Тема 4: Матричные преобразования

трансформация матриц, преобразование типов данных, логическое индексирование

Тема 5: Анализ данных

импорт данных в MATLAB из текствых и Excel-файлов. Импорт большого количества файлов с помощью datastore. Применение встроенных функций для обработки данных: замена пропусков, фильтрация шумов и выбросов. Группировка данных и подсчет статистики по группам

Тема 6: Графическое отображение данных

настройка графиков с помощью простейших функций. Работа с графическими объектами с помощью Property Inspector и команд MATLAB.

Тема 7: Программирование в MATLAB

циклы, условия, функции ввода-вывода. Локальные, вложенные (nested) и анонимные функции. Создание своих функций. Работа с путями MATLAB (path)

Численные и Символьные исчисления

Оценить модуль

Тема 1: Численные методы

численные методы дифференцирования функций

Тема 2: Численные методы

численные методы интегрирования функций

Тема 3: Численные методы

практическое занятие

Тема 4: Оптимизация функций

применение методов MATLAB для поиска оптимального значения функции без ограничений

Тема 5: Оптимизация функций

применение методов MATLAB для поиска оптимального значения функции с ограничениями

Тема 6: Символьные вычисления

преобразование выражений в символьном виде

High Performance Computing

Оценить модуль

Тема 1: Параллельные вычисления в Matlab

изучение встроенных функций Parallel Computing Toolbox Распараллеливание на ядрах процессора: циклы parfor. Распараллеливание на GPU: обзор методов и gpuArray

Тема 2: возможности GPU Coder

изучение встроенных функций GPU Coder

Тема 3: работа с BigData

импорт и обработка больших данных.Работа с хранилищами больших данных (datastore). Обработка tall arrays. Выгрузка больших данных

Тема 4: высокоПроизводительные системы ч.1

реализациия практической задачи ускорения вычислений

Machine Learning в MATLAB

Оценить модуль

Тема 1: работа в ML Toolbox

изучение встроенных функций Machine Learning Toolbox или "Почему MATLAB хорош для Machine Learning"

Тема 2: построение нейросети ч.1

разработка нейросетевого алгоритма с помощью встроенных методов MATLAB

Тема 3: построение нейросети ч.2

Оценить занятие

Тема 4: построение нейросети ч.3

Оценить занятие

Тема 5: подключение источников данных и сопряжение с Python и R

обучение на больших данных. Подключение к внешним вычислителям. Сопряжение с R и Python. Создание внешних библиотек.

Развертывание алгоритмов

Оценить модуль

Тема 1: создание графических приложений

создание графических приложений в App Designer.Layout Manager. Создание свойств, методов и функций обратного вызова

Тема 2: распространение алгоритмов и приложения

создание пользовательских тулбоксов и документации. Упаковка приложений. Загрузка своих разработок на портал MathWorks File Exchange

Тема 3: создание независимых и веб-приложений

компиляция независимых приложений и библиотек, создание веб-приложений. Создание независимых приложенй с помощью MATLAB Compiler и библиотек для других языков с помощью MATLAB Compiler SDK. Генерация и развертывание графических веб-приложений из App Designer (MATLAB Compiler)

Тема 4: облачные вычисления

обзор MATLAB Production Server и работы с облачными сервисами. Особенности и область применения MATLAB Production Server. Использование облаков для работы в MATLAB

Очень большой и классный проект

Оценить модуль

Посмотреть полный список курсов в разработке

Опрос по программе "Анализ данных и машинное обучение в MATLAB"

При запуске нового курса, нам очень важно оценивать качество и актуальность предлагаемой программы на этапе идеи и концепции модулей, поэтому мы будем очень рады и благодарны вашим ответам, экспертным оценкам и комментариям.

Вопрос №1 из 6

Выберите один вариант ответа

Вам понятно, о чем этот курс?
оцените от 1 (не понял) до 5 (да, все ясно)