README.md

Data Science

🧠🤖👽 Изучаю теорию вероятностей, математическую статистику, математическое моделирование, анализ данных, линейную алгебру, дифференциальные уравнения, NLP самостоятельно и в ВУЗ`е - МГППУ 21 ИТ-МО

Практика

Теория вероятностей и математическая статистика

1. Получение и визуализация выборки дискретного и непрерывного распределения
2. Хи-квадрат, критерий Калмогорова-Смирнова
3. Доверительные интервалы, оценки методами моментов и максимального правдоподобия

Математическое моделирование и анализ данных

1. Дифференциальные модели
2. Факторный анализ: что влияет на зарплату сотрудника?
3. Кластерный анализ: какие гены/белки образуют группы со схожими функциями?
4. Анализ временных рядов: как прогнозировать дальнейшую динамику ВВП?
5. Анализ главных компонент: насколько можно уменьшить размер с PCA?

Дифференциальные уравнения

1. Гармонические функции, уравнение Лапласа
2. Определение типа дифференциального уравнения
3. Геодезические линии

Линейная алгебра

1. Матрицы и векторы
2. Собственные значения и собственные векторы
3. Разложение матриц (SVD и PCA)

Обработка естественного языка (NLP)

1. Векторные пространства
2. Информация и энтропия
3. Часть речи и теггинг
4. Распознавание именованных сущностей (NER)
5. Синтаксис и парсинг
6. Анализ тональности
7. Моделирование тем
8. Машинный перевод
9. Генерация текста
10. Векторные представления слов и перенос обучения
11. Распознавание речи и синтез речи

Теория

1. Аксиоматика Колмогорова
2. Сигма алгебра
3. Случайная величина
4. Условная вероятность
5. Мат. ожидание, дисперсия, корреляция, ковариация
6. Закон больших чисел
7. Сходимость последовательности случайных величин
8. Центральная предельная теорема
9. Распределения на деле
10. Критерии согласия, нормальности, однородности, независимости, случайности