Online cursus – gecertificeerde professionele specialisatie in data: de essentiële wiskundemethodologie van Google

Leer de wiskundige grondslagen van datawetenschap. Bespreek de belangrijkste concepten in de algebra, de oneindig kleine calculus, de lineaire algebra en de numerieke analyse, die van cruciaal belang zijn voor de datawetenschap.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

Gemiddeld niveau

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Basiskennis van wiskunde in data science
  • Kennis van algebra
  • Wiskundige kennis
  • Kennis van lineaire algebra
  • Vermogen om relevante numerieke analyses uit te voeren
  • Voorbereiding op de cursus statistische modellen voor data science-toepassingen
  • Voorbereiding op een masteropleiding data science

What you will learn in the course

Courses for which the course is suitable

  • data wetenschapper
  • Data-analist
  • Data programmeur
  • statisticus
  • Datawetenschapper
  • Gegevensingenieur
  • Projectmanager op het gebied van data
  • Expert op het gebied van statistische modellen
  • Masterstudent data science

Stage – een serie van 3 cursussen

Datawetenschap ontwikkelt zich snel en creëert kansen voor carrières op verschillende gebieden. Deze stage is bedoeld voor studenten die geïnteresseerd zijn in het starten van een carrière in data science.

Leerlingen krijgen een beknopt overzicht van de basiswiskunde die nodig is in datawetenschap. Onderwerpen zijn onder meer:

  • algebra
  • factuur
  • Lineaire algebra
  • Relevante numerieke analyses

Fast Track to Data Science is ook een uitstekende voorbereiding voor studenten die zich voorbereiden op het voltooien van de masteropleiding data science aan CU Boulder.

Deze specialisatie bereidt studenten voor op succes in de cursus Statistical Modeling for Data Science Applications, die deel uitmaakt van het Master of Science in Data Science (MS-DS) programma aan CU Boulder.

Studenten zullen in elk van de cursussen tests afleggen om te controleren of ze de inhoud begrijpen naarmate ze vorderen. Deze specialisatie omvat geen eindprojecten of examens, omdat het bedoeld is als een snelle beoordeling van de inhoud om leerlingen voor te bereiden op het hogere wiskundeniveau dat vereist is in data science.

Details of the courses that make up the specialization

Algebra en differentiaalrekening voor datawetenschap

Cursus 1
8 uur
4,5 (223 beoordelingen)

Cursusdetails

wat ga je leren

  • Oefen met het werken met logaritmische eigenschappen en hoe logaritmische functies zich grafisch gedragen.
  • Ken het verschil tussen een continue functie en een niet-continue functie.
  • Vergroot uw begrip van wat een afgeleide berekening doet.
  • Begrijpen hoe u afgeleiden kunt gebruiken om functies te plotten.

vaardigheden die je gaat ontwikkelen

  • Categorie: Integralen
  • Categorie: Matrixalgebra
  • Categorie: Numerieke analyse
  • Categorie: Algebra
  • Categorie: Derivaten

Lineaire algebra is essentieel voor datawetenschap

Cursus 2
7 uur
4.4 (152 beoordelingen)

Cursusdetails

wat ga je leren

  • Los problemen uit de echte wereld op met behulp van het basisconcept van matrices.
  • Weet wat een matrix vertegenwoordigt in een n-dimensionale ruimte.
  • Identificeer de belangrijkste kenmerken van elk stelsel vergelijkingen.
  • Demonstreer uw begrip van laagdimensionale projecties.

vaardigheden die je gaat ontwikkelen

  • Categorie: Integralen
  • Categorie: Matrixalgebra
  • Categorie: Numerieke analyse
  • Categorie: Derivaten
  • Categorie: Algebra

Integrale berekening en numerieke analyse voor data science

Cursus 3
3 uur
4,6 (91 beoordelingen)

Cursusdetails

wat ga je leren

  • Oefen de integratie per onderdelen voor complexere problemen.
  • Identificeer hoe oversteken werkt nadat je een eerste gok hebt gekregen.
  • Diagonalisatie van een matrix met de hand.
  • Bereken de partiële afgeleiden van een functie.

vaardigheden die je gaat ontwikkelen

  • Categorie: Integralen
  • Categorie: gedeeltelijke afgeleide
  • Categorie: wortelvinding
  • Categorie: Afleiding van bijzondere waarden (SVD)
  • Categorie: Diagonalisering van een matrix