Image par auteur
En tant que professionnel des données, vous savez probablement que les mathématiques sont fondamentales pour la science des données. Les mathématiques sont à la base de la science des données : depuis la compréhension de la façon dont les points de données sont représentés sous forme de vecteurs dans un espace vectoriel jusqu’aux algorithmes d’optimisation qui trouvent les meilleurs paramètres pour un modèle et bien plus encore.
Maîtriser les principes fondamentaux des mathématiques peut donc vous aider à la fois lors des entretiens et à mieux comprendre les algorithmes que vous mettez en œuvre. Ici, nous avons compilé une liste de cours gratuits du Massachusetts Institute of Technology (MIT) sur les sujets mathématiques suivants :
- Algèbre linéaire
- Calcul
- Statistiques
- Probabilité
Vous pouvez suivre ces cours sur AVEC OpenCourseWare plate-forme. Alors profitez au maximum de ces cours et améliorez votre expertise en science des données !
1. Algèbre linéaire
En plus d’être à l’aise avec les mathématiques au secondaire, l’algèbre linéaire est de loin le sujet mathématique le plus important pour la science des données. Le super populaire Algèbre linéaire Le cours du professeur Gilbert Strang est l’un des meilleurs cours de mathématiques que vous puissiez suivre. Pour ce cours et pour les cours suivants, résolvez des séries de problèmes et passez des examens pour tester votre compréhension.
Le cours est structuré autour des trois modules principaux suivants :
- Systèmes d’équations Ax = b et les quatre sous-espaces matriciels
- Moindres carrés, déterminants et valeurs propres
- Matrices et applications définies positives
Lien: Algèbre linéaire
2. Calcul à variable unique et multivariable
Une bonne compréhension du calcul est importante pour maîtriser les concepts de la science des données. Vous devez être à l’aise avec le calcul de calcul à variable unique et multivariable, les dérivées partielles, l’application de la règle de chaîne, etc. Voici deux cours sur le calcul à variable unique et multivariable.
Le Calcul I : Calcul à variable unique le cours couvre :
- Différenciation
- L’intégration
- Systèmes de coordonnées et séries infinies
Une fois que vous vous sentez à l’aise avec le calcul à variable unique, vous pouvez passer à la Calcul à variables multiples cours qui couvre :
- Vecteurs et matrices
- Dérivées partielles
- Intégrales doubles et intégrales de droite dans le plan
- Intégrales triples et intégrales de surface dans l’espace 3D
Liens vers les cours:
3. Analyse des systèmes probabilistes et probabilités appliquées
La probabilité est encore un autre sujet mathématique important pour la science des données, et une bonne base en probabilité est essentielle pour réussir la modélisation mathématique, l’analyse et l’inférence statistiques.
Le Analyse des systèmes probabilistes et probabilités appliquées Le cours est une excellente ressource qui couvre les sujets suivants :
- Modèles de probabilité et axiomes
- Conditionnement et règle de Bayes
- Indépendance
- Compte
- Variables aléatoires discrètes et continues
- Règle de Bayes continue
Lien: Analyse des systèmes probabilistes et probabilités appliquées
4. Statistiques pour les candidatures
Pour maîtriser la science des données, vous devez avoir de bonnes bases en statistiques. Le Statistiques pour les applications Le cours couvre de nombreux concepts de statistiques appliquées pertinents dans la science des données.
Voici une liste des sujets abordés :
- Inférence paramétrique
- Estimation de vraisemblance maximale
- Des moments
- Tests d’hypothèses
- Qualité de l’ajustement
- Régression
- Statistiques bayésiennes
- Analyse des composants principaux
- Modèles linéaires généralisés
Si vous souhaitez explorer les statistiques en profondeur, consultez 5 cours gratuits pour maîtriser les statistiques pour la science des données.
Lien: Statistiques pour les applications
5. Calcul matriciel pour l’apprentissage automatique et au-delà
Vous devriez déjà être familiarisé avec l’optimisation grâce aux cours sur le calcul à une et plusieurs variables. Mais en apprentissage automatique, vous pouvez rencontrer une optimisation à grande échelle nécessitant du calcul matriciel et du calcul sur des espaces vectoriels arbitraires.
Le Calcul matriciel pour l’apprentissage automatique et au-delà vous aidera à développer ce que vous avez appris dans les cours d’algèbre linéaire et de calcul. C’est peut-être le cours le plus avancé de cette liste. Mais cela peut être très utile si vous envisagez de suivre un cours d’études supérieures en science des données ou si vous souhaitez explorer l’apprentissage automatique et la recherche.
Voici quelques-uns des sujets abordés dans ce cours :
- Dérivés comme opérateurs linéaires ; approximations linéaires sur un espace vectoriel arbitraire
- Dérivées de fonctions avec matrice en entrée ou en sortie
- Dérivées de factorisations matricielles
- Règle de chaîne multidimensionnelle
- Manuel en mode avant et arrière et différenciation automatique
Il existe de nombreuses autres approximations et algorithmes d’optimisation que vous pouvez également explorer.
Lien: Calcul matriciel pour l’apprentissage automatique et au-delà
Emballer
Si jamais vous souhaitez maîtriser les mathématiques pour la science des données, cette liste de cours devrait suffire pour apprendre tout ce dont vous avez besoin, qu’il s’agisse de vous lancer dans la recherche en apprentissage automatique ou d’obtenir un diplôme supérieur en science des données.
Si vous recherchez quelques cours supplémentaires pour apprendre les mathématiques pour la science des données, lisez 5 cours gratuits pour maîtriser les mathématiques pour la science des données.
Bala Priya C est un développeur et rédacteur technique indien. Elle aime travailler à l’intersection des mathématiques, de la programmation, de la science des données et de la création de contenu. Ses domaines d’intérêt et d’expertise incluent le DevOps, la science des données et le traitement du langage naturel. Elle aime lire, écrire, coder et prendre le café ! Actuellement, elle travaille à l’apprentissage et au partage de ses connaissances avec la communauté des développeurs en créant des didacticiels, des guides pratiques, des articles d’opinion, etc. Bala crée également des aperçus de ressources attrayants et des didacticiels de codage.
