План подготовки

Материалы по машинносу обучению

https://vladgkulikov.github.io/ru/

https://ml-atlas.ru/

https://datatalks.ru/spec-driven-development/

https://mlu-explain.github.io/

1. Математика

Комбинаторика

1. Основы комбинаторики. Комбинаторый объект, Комбинаторное число. Выборка чисел
2. Правило суммы (непересекающихся множеств)
3. Правило произведения
4. Основные формулы комбинаторики: перестановки, размещение, сочетание

Теория вероятности

Базовый уровень:

1. Событие, вероятность, частота события.
2. Формула P=m/n, противоположные события.
3. Зависимые и независимые события, условная вероятность, их произведение.
4. Совместные и несовместные события, вероятность суммы событий.
5. Парадокс Монти Хола.
6. Решение задач ЕГЭ на сложение и умножение вероятностей.
7. Решение задач ЕГЭ на проценты и частоту событий.
8. Формула Бернули и примеры ее использования при решении задач.
9. Решение задач ЕГЭ повышенной сложности.

Продвинутый уровень (необходимо знать интегралы мат.анализ): 10. Формула полной вероятности, формула Байеса (формула проверки гипотез) 11. случайная величина, плотность и функция распределения 12. Виды ПРВ (плотности распределения вероятностей): гауссовая, равномерная, рэлея, экспоненциальная 13. Математическое ожидание, дисперсия, медиана, мода, начальные моменты 14. Моделирование равномерных, нормальных рэлеевских, экспоненциальных случайных величин 15. Гистограмма, сглаживание статических рядов 16. Критерий согласия распределение Хи-квадрат (Пирсона) 17. Системы двух случайных величин, двумерное распределение 18. Ковариация, корреляция, зависимость двух случайных величин 19. Сиситема нескольких случайных величин 20. Неравенство Чебышева, теорема Чебышева, теорема Маркова.

https://stepik.org/course/136024/promo?utm_source=selfedu

Программа курса

1. События, вероятность, формула P=m/n
   • Понимание вероятности и случайных событий
   • Формула P = m/n. Противоположные события
   • Задачи на формулу P = m/n и противоположные события
   • Продолжение задач на формулу P = m/n и противоположные события
2. Умножение и сложение вероятностей. Составные события.
   • Зависимые и независимые события. Вероятность произведения
   • Задачи на зависимые и независимые события
   • Совместные и несовместные события. Вероятность суммы
   • Задачи на совместные и несовместные события
   • Проценты и вероятность. Задачи на проценты
3. Задачи повышенной сложности. Формулы Бернули и Байеса
   • Задачи на умножение и сложение вероятностей
   • Формула Бернулли. Задачи на применение формулы Бернулли
   • Формула Байеса. Задачи на применение формулы Байеса

Линейная алгебра

Матемаический анализ

ВВедение в ML

1. Математика DL

   • Понятие производной

   • Вычисление производной. Градиент

   • Градиентная оптимизация

   • Введение в машинное обучение (типы задач машинного обучения, обучение с учителем, модель KNN, обучение моделей, линейная регрессия и переобучение, алгоритм применения машинного обучения к задачам ) Картинка классификации

   • введение в машинное обучение (практика)

Заметки по собеседованию.

Коллизия с хеш таблицах.

все элементы множества должны быть хешируемы