|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/data-science-descomplicado-vol-1-a-base-matematica/
课程评论：没有评论
课程名称：数据科学简化第一卷：数学基础 课程概述：本课程是三部曲中的第一卷，旨在提供成为优秀数据科学家所需的所有概念。在这一部分，我们将探索数据科学家使用的所有数学概念，包括几何学、解析几何、向量和矩阵、线性代数、函数与方程、微积分、概率与统计、推断与假设检验、贝叶斯统计等。该课程主要面向对数据科学感兴趣的非理科专业人士，希望转行或加深对该主题的理解。课程会尽可能详细地传授概念，因此，先前的知识仅需要基础数学（高中和初中水平）。即使不擅长数学，也无需担心：课程重点在于理解概念，而非计算与解决考试题目！ 每个主题结束时提供额外资源（文章、在线计算器、互动网站、视频），非常推荐同学们不要跳过这些学习资料。同样重要的是，有超过50个的练习题更侧重于测试对数学概念的理解，而非简单的计算能力。请留出充足的时间，认真完成这些练习！ 在一个日益数字化、人工智能影响力不断增强的世界里，理解数据科学、机器学习和编程不仅是进入广泛职业机会的重要途径，也是理解我们生活的新世界所必须的教育。作为数据科学家，我认为自己有责任分享知识，帮助建设一个人人都能理解数字化转型的社会。 在课程的第二卷中，我们将学习数据科学家所需的所有编程基础：计算机的工作原理、组成部分及计算机与操作系统的比较、互联网与网站的运作方式、编程语言的差异与应用、编程逻辑、数据结构、数据库、Linux、云计算等内容。最后，在第三卷中，我们将深入学习机器学习的概念与算法：在第二卷积累的基础上，我们将首先学习Python编程，然后借助第一卷学到的概念，研究众多数据科学的主题，例如回归、分类、聚类、强化学习、决策树、SVM、XGBoost、马尔可夫链蒙特卡罗、主成分分析、深度学习、自然语言处理等。 让我们的数据之旅开始吧！PS: 建议以1.25倍或1.5倍速度观看，以获得更好的体验，偶尔出现的杂音请忽略，录制时的特殊情况哈。
Esse curso é o primeiro volume de uma tríade, que, em conjunto, trará todos os conceitos necessários para ser um bom cientista de dados.Nessa primeira parte exploraremos todos os conceitos matemáticos utilizados por um cientista de dados - Geometria, Geometria Analítica, Vetores e Matrizes, Álgebra Linear, Funções e Equações, Cálculo, Probabilidade e Estatística, Inferência e Testes de Hipóteses, Estatística Bayesiana e muito mais! O curso é voltado principalmente para profissionais de áreas não-exatas entusiastas de Data Science que queiram migrar para a mesma ou obter uma compreensão maior do tema. Os conceitos são transmitidos da forma mais detalhada possível, portanto, o único conhecimento prévio necessário é o de matemática básica (ensino médio e fundamental). Mesmo se não se sentir confortável com matemática, não se preocupe: O foco do curso é compreender os conceitos, e não fazer contas e saber resolver exercícios de vestibular!Ao final de cada tópico estão recursos extras (artigos, calculadoras online, sites interativos, vídeos) que ajudam bastante a se aprofundar nos conteúdos, recomendo bastante não pular essas lições. Igualmente importante são os exercícios (mais de 50 no total), que são muito mais focados em testar a compreensão dos conceitos matemáticos do que testar se o aluno sabe fazer contas. Separe um bom tempo e esteja bem disposto para fazer os exercícios com atenção!Num mundo cada vez mais digitalizado e com uma influência cada vez maior de Inteligências Artificiais, compreender o que de fato é Ciência de Dados, Machine Learning e programação é não apenas uma grande porta de entrada para uma vasta gama de oportunidades de trabalho, mas também uma educação necessária para compreender o novo mundo em que estamos vivendo. Como Cientista de Dados, acredito que tenho como dever dividir meu conhecimento e contribuir para a construção de uma sociedade em que as pessoas, de fato, possam entender a transformação digital que vivemos.No segundo volume do curso veremos toda a base de programação necessária para um cientista de dados: Como funciona um computador, componentes e comparação entre computadores e sistemas operacionais, como funciona a Internet e Websites, as diferenças e aplicações de linguagens de programação, lógica de programação, estruturas de dados, banco de dados, Linux, computação em nuvem e muito mais!Por fim, no terceiro e último volume, mergulharemos de fato em conceitos e algoritmos de Machine Learning: com a base adquirida no volume 2, aprenderemos primeiro a programar em Python, e depois estudaremos (com a ajuda dos conceitos aprendidos no Volume 1) muuuitos conceitos de Data Science, como Regressão, Classificação, Clusterização, Reinforcement Learning, Decision Trees, SVM, XGBoost, Markov Chain Monte Carlo, PCA, Deep Learning, NLP e muuuito mais!Que comece nossa jornada de dados ;)PS. Assista na velocidade 1.25x ou 1.5x para uma melhor experiência e ignore os barulhos aleatórios que aparecem de vez em quando, gravar na quarentena tem dessas hahaha
