Блог Data Science | OTUS
⚡ Открываем подписку на курсы!
Проходите параллельно 3 онлайн-курса в месяц по цене одного.
Подробнее

Курсы

Программирование
Backend-разработчик на PHP Scala-разработчик Алгоритмы и структуры данных Backend-разработка на Kotlin Team Lead Разработчик Python. Базовый курс C# ASP.NET Core разработчик
-25%
iOS-разработчик. Базовый курс
-25%
Супер - интенсив по паттернам проектирования
-16%
Fullstack разработчик JavaScript
-18%
JavaScript Developer. Basic Архитектор программного обеспечения
-12%
Agile Project Manager в IT MS SQL Server разработчик Разработчик игр на Unity Супер - практикум по использованию и настройке GIT VOIP инженер Framework Laravel Android-разработчик. Базовый курс AWS для разработчиков Cloud Solution Architecture Архитектура и шаблоны проектирования Разработчик Node.js Супер - интенсив по Kubernetes
Специализации Курсы в разработке Подготовительные курсы
+7 499 938-92-02
Посты
Математика для ИИ: математическое ожидание, дисперсия и ковариация

Математическое ожидание определяется в теории вероятностей в качестве среднего значения повторения некоторого события. Можно сказать, что ожидаемое значение функции f(x) над распределением вероятностей P(x) — это среднее значение f в случае, если x берётся из P.

Математика для ИИ: базовые термины линейной алгебры

Данная статья даст вам представление о базовых концепциях линейной алгебры — необходимых основах для всех, кто профессионально интересуется машинным обучением, искусственным интеллектом и нейронными сетями. Помните, что многие концепции, используемые в вышеописанных областях, основаны на математических принципах и были открыты более 50 лет назад.

Математика для ИИ: случайные величины и распределение вероятностей

Случайная величина — величина, случайно принимающая какое-либо значение из множества всевозможных значений. Также можно сказать, что это функция, конвертирующая результат какого-нибудь меняющегося процесса в числовое значение. Вот, как это обозначается в математике:

Математика для ИИ: базовые термины теории вероятностей

Когда речь идёт об ИИ, хаотичность и неопределённость проявляются во многих формах. И теория вероятностей предоставляет нам методы для работы с неопределённостью, а также используется для анализа частоты возникновения событий.

Зачем знать математику в Data Science?

Практические навыки в математике являются одним из основных требований к Middle-специалистам по Data Science. А если вы «джуниор», то умение применять математические знания на практике позволят вам быстрее продвинуться по карьерной лестнице в этойнепростой сфере.

Нелинейность в анализе временных рядов

Math_DS_Deep_28.4-5020-09d3f1.png

Структура современных временных рядов претерпела сильные изменения как в природе своего процесса, так и в характеристиках своего поведения. Современные временные ряды обладают рядом свойств, которые делают невозможным применение традиционных методов анализа.

Процессы с длинной памятью

Math_DS_26.12-5020-001233.png

Зависимость структуры ряда от времени играет ключевую роль при моделировании или анализе временных рядов с различным типом процесса. В задаче анализа временного ряда со сложной структурой часто применяются модели класса ARIMA(p,d,q), которые моделируют различные ситуации, встречающиеся при анализе стационарных и нестационарных рядов.

Какими технологиями должен владеть Data Engineer?

Data_Engineer_Deep_28.4-5020-e80c40.png

Как известно, Data Engineer является специалистом по загрузке, обработке и организации хранения больших данных. Давайте посмотрим, а с какими технологиями сегодня ассоциируется Big Data вообще? И какими навыками должен обладать человек, который решил стать дата-инженером.

Метод Такку

Math_DS_Deep_30.9-5020-c2d6df.png

Рассчитать показатель Херста, характеризующий тип процесса, доминирующего в динамике временного ряда, можно по методу Такку. Метод заключается в том, что при анализе ряда выбирается скользящее окно, в котором происходит расчёт через авторегрессионную функцию показателя Херста.