Запрет складчины

​

Лекций - 98
Общее время - 13:09:55
Язык - Русский

Чему вы научитесь

• Создавать мобильные приложения под iOS и Android на языке JavaScript
• Создадите несколько приложений в течении курса
• React Native на практике
• Получите много опыта и Best Practices в React

Спойлер: Программа курса:

– Введение и подготовка

• Про данный курс
• Как работает React Native
• Создание первого проекта
• Запуск на мобильном телефоне
• Настройка Android
• Настройка iOS
• Среда разработки

– Основы

• Планирование приложения
• Создание и обзор приложения
• Как работают стили
• Выравнивание элементов
• Взаимодействие компонентов
• Работа с документацией
• Добавление формы
• Создание стейта
• Вывод списка элементов
• Обработка формы
• Вывод сообщения с ошибкой
• Параметры клавиатуры
• Добавление скролла
• Рендеринг списка
• Добавление событий

– Работа с компонентами

• Планирование функционала
• Добавление разных экранов
• Переключение экранов
• Стилизация кнопок
• Создание констант для темы
• Компонент карточки
• Окно confirm
• Создание модального окна
• Изменение и сохранение элементов
• Работа с картинками

– Элементы Expo и стили

• Загрузка шрифтов
• Подключение шрифтов
• Переиспользуемые компоненты текста
• Добавление иконок
• Использование иконок
• Управление клавиатурой
• Определение платформы
• Адаптивные стили
• Адаптация ориентации экрана

– Управление состоянием c Context

• Что будем делать
• Создание контекста
• Рефакторинг приложения
• Создание редюсера
• Рефакторинг редюсера
• Создание состояния экрана
• Изменение экрана
• Рефакторинг приложения
• Завершение

– Работа с сервером

• Настройка Firebase
• Подготовка приложения
• Создание нового элемента
• Загрузка данных с сервера
• Индикатор загрузки
• Обработка ошибок
• Обновление элементов
• Удаление элементов
• Рефакторинг и создание класса Http

– Навигация (Новое Приложение)

• Планирование
• Создание приложения
• Создание экранов
• Настройка навигации
• Переключение экранов
• Стилизация навигации
• Стилизация отдельного скрина
• Компонент отображения поста
• Параметры навигации
• Стилизация страницы поста
• Добавление иконок в шапку
• Динамические иконки в шапке
• Нижняя навигация
• Отображение избранного
• Адаптация меню под андроид
• Рефакторинг кода
• Добавление левого меню
• Завершение навигации
• Стилистика для меню
• Завершение

– Redux

• Как работает Redux
• Настройка Redux
• Получение данных
• Добавление в избранное
• Удаление данных
• Создание нового элемента

– Нативные компоненты

• Введение и установка
• Добавление фото
• Завершение формы
• Подготовка приложения
• Подключение базы данных
• Получение данных из базы
• Файлы и создание записи
• Обновление и удаление
• Завершение приложения

– Подготовка и деплой

• Настройка приложения
• Обновления приложения
• Подготовка в билду
• Билд и деплой

Требования

• Уверенное владение JavaScript + EcmaScript 6
• Базовое понимание React JS
• Знаний по Java или Swift НЕ нужно! Только JavaScript

Описание

• Вы научитесь создавать крутые мобильные приложения для Android и iOS используя только JavaScript
• Из предварительных знаний только JavaScript и React
• В курсе содержится 11 блоков, 10 из которых - практические
• В рамках данного курса вы создадите 2 мобильных приложения, на которых изучите функционал React Native

В курсе так же рассматривается React, React Hooks, Context API, Redux и React Best Practices

Для кого этот курс:

• Веб-разработчики
• Разработчики мобильных приложений
• Фрилансеры
• Frontend разработчики (любой уровень)

​

Что даст вам этот курс

Вы освоите основные разделы высшей математики, необходимые для успешной работы в Data Science: математический анализ, линейную алгебру, теорию вероятности и статистику. После курса вы будете готовы к изучению машинного обучения.

Для поступления на курс достаточно знать математику на школьном уровне.
Знакомство с высшей математикой будет плюсом, но необязательно.

Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.

​

Полный курс по работе с базой данных PostgreSQL
Курс включает в себя все инструменты, которые могут пригодиться как разработчику, так и администратору: управление доступом, резервное копирование, репликация, журналирование, работа со статистикой, способы масштабирование, а также работа PostgreSQL в облаках (AWS, GCP, Azure) и в Kebernetes

Курс обеспечивает глубокое погружение в PostgreSQL, чтобы проектировать базы данных так, чтобы впоследствии не приходилось тушить пожары в результате не оптимально заложенных основ.

Цель курса — научить слушателя эффективно работать с PostgreSQL:

В результате обучения выпускники смогут уверенно работать с PostgreSQL, создавать оптимальные запросы и разбираться с некорректными, работать с индексами, оптимизировать, профилировать и обновлять базы данных.

1. Получите навыки которые позволят работать в качестве PostgreSQL DBA - устанавливать, настраивать, поддерживать и развивать БД под управлением PostgreSQL;
2. Научитесь работать с PostgreSQL в различных средах - на базе собственной физической и виртуальной инфраструктуры, в кластере Kubernetes, в публичном облаке (AWS, GCP,Яндекс, Azure)

Для кого:

• для администраторов Linux, которые хотят овладеть или улучшить навыки PostgreSQL DBA;
• для администраторов MySQL/MS SQL/Oracle Server, которые хотят овладеть навыками PostgreSQL DBA;
• для DevOps/SRE, которые хотят улучшить навыки работы с PostgreSQL и научиться новым способам работы с СУБД - Kubernetes, облака

На курсе вы:

• научитесь проектировать базы данных и создавать оптимальную структуру их хранения;
• освоите синтаксис и особенности работы в PostgreSQL;
• сможете оптимизировать медленные запросы.

Преподаватели:
Валерий Безруков
Алексей Цыкунов
Кристина Кучерова

​

Этот курс позволит вам овладеть базовым набором знаний и навыков, необходимых для старта карьеры разработчика на С++ и подготовки к основному курсу «Разработчик С++». По окончанию курса слушатели смогут пройти входной тест курса «Разработчик C++» и получить доступ к обучению. Слушатели смогут самостоятельно разрабатывать программы на языке C++.

Материалы курса представляют собой предварительно записанные в студии лекции с теоретической частью и наглядной практической работой. После каждой темы вам будет предложен тест для проверки усвоенного материала.

Введение в язык C++.
Тема 1.1. Что такое современный C++.
Тема 1.2. Базовый синтаксис языка C++.
Тема 1.3. Такие разные функции. Модульность.

Классы и алгоритмы.
Тема 2.1. Структуры и классы.
Тема 2.2. Полиморфизм и все-все-все.
Тема 2.3. Шаблоны классов и функций.

Стандартная библиотека и полезные алгоритмы.
Тема 3.1. Общий обзор стандартной библиотеки.
Тема 3.2. Подробнее о контейнерах и вводе-выводе.
Тема 3.3. Алгоритмы, которые лучше знать лучше.

Обо всём на свете, но больше всё-таки о C++.
Тема 4.1. Зачем в процессоре более одного ядра или разговор о многопоточности.
Тема 4.2. Исключения есть всегда и C++ не исключение.
Тема 4.3. Модель клиент-сервер и разбор реализации.

При успешном прохождении курса вы получите приглашение в Slack сообщество и возможность приобрести со скидкой основной курс «Разработчик С++» без прохождения вступительного теста (при 80 % и более правильных ответов на тесты подготовительного курса).

[Otus]с минимальными знаниями программирования, которые хотят начать свою карьеру в разработке на языке С++.

Курс поможет выработать базовые навыки разработки программного обеспечения на языке C++, сборки проектов в различном окружении, решения часто встречающихся при разработке проблем.

Данный курс позволит вам овладеть базовым набором знаний и навыков, необходимых для старта карьеры разработчика на С++ и подготовки к основному курсу «Разработчик С++».
По окончанию курса слушатели смогут пройти входной тест курса "Разработчик C++" и получить доступ к обучению.
Слушатели смогут самостоятельно разрабатывать программы на языке C++.

Материалы курса представляют собой предварительно записанные в студии лекции с теоретической частью и наглядной практической работой. После каждой темы вам будет предложен тест для проверки усвоенного материала.

Курс состоит из 4 модулей, в рамках которых рассмотрены следующие темы:

Введение в язык C++.
Тема 1.1. Что такое современный C++.
Тема 1.2. Базовый синтаксис языка C++.
Тема 1.3. Такие разные функции. Модульность.

Классы и алгоритмы.
Тема 2.1. Структуры и классы.
Тема 2.2. Полиморфизм и все-все-все.
Тема 2.3. Шаблоны классов и функций.

Стандартная библиотека и полезные алгоритмы.
Тема 3.1. Общий обзор стандартной библиотеки.
Тема 3.2. Подробнее о контейнерах и вводе-выводе.
Тема 3.3. Алгоритмы, которые лучше знать лучше.

Обо всём на свете, но больше всё-таки о C++.
Тема 4.1. Зачем в процессоре более одного ядра или разговор о многопоточности.
Тема 4.2. Исключения есть всегда и C++ не исключение.
Тема 4.3. Модель клиент-сервер и разбор реализации.

При успешном прохождении курса вы получите приглашение в Slack сообщество и возможность приобрести со скидкой основной курс «Разработчик С++» без прохождения вступительного теста (при 80 % и более правильных ответов на тесты подготовительного курса).

Курс разработан для людей, с минимальными знаниями программирования, которые хотят начать свою карьеру в разработке на языке С++.

Курс поможет выработать базовые навыки разработки программного обеспечения на языке C++, сборки проектов в различном окружении, решения часто встречающихся при разработке проблем.

​

Что даст вам этот курс:
Курс рассчитан на Android-разработчиков с опытом работы от 1 года, со знанием Java или Kotlin.

Вы научитесь:

• Глубоко разбираться в Android SDK. Разница между junior- и senior-разработчиками в том, что первый может реализовать какую-то фичу, а второй может объяснить, что скрывается за каждой строкой кода этой фичи, найти потенциальные проблемные места и оптимизировать их. Вы узнаете, что происходит внутри классов и методов Android SDK, сможете заметно ускорить свое приложение, выбрать оптимальный алгоритм шифрования для вашего приложения, и организовать безопасное хранилище секретных данных.
• Организовывать инфраструктуру. Разворачивать системы continuous integration и continuous delivery, выстраивать git flow, поднимать Docker-контейнеры и Jenkins внутри них. Научитесь внедрять и настраивать линтеры и чекстайлы для проверки качества кода. Сможете писать свои Gradle таски и плагины для автоматизации и оптимизации процессов сборки и тестирования.
• Проектировать архитектуру приложения. Вы узнаете сильные и слабые места паттернов и архитектурных решений, научитесь правильно выбирать архитектурный паттерн для вашего приложения. Освоите GoF, MV* шаблоны для Android и принципы Clean Architecture. Научитесь проектировать мультимодульную архитектуру и проводить рефакторинг legacy кода.
• Тестировать приложения. Недостаточно просто уметь писать тесты. Важно приучиться писать надежный и протестированный код, интеграционные тесты и UI-тесты. Рассмотрим популярные фреймворки для тестирования и подходы к написанию тестов.
• Использовать современные библиотеки и фреймворки На профессиональном уровне освоите Dagger 2 и RxJava 2, сможете правильно организовывать DI в приложении с использованием Dagger 2, писать собственные операторы в RxJava и т.д.Глубокое погружение в промышленную Android-разработку
  Весь курс построен на языке Kotlin
  Много практики и живого общения с преподавателями
  Глубокое изучение Gradle, Dagger 2, RxJava 2, а также процесса тестирования Android-приложений
  Выстраивание инфраструктуры «с нуля»
  Проектирование архитектуры приложений

Необходимые знания:

• Опыт разработки под Android от 1 года
• Знание Java Core или Kotlin
• Знакомство с системой контроля версий git
• Знакомство с популярными фреймворками: Dagger, RxJava, Android architecture components
• Опыт работы с сетью и хранилищами данных в Android
• Понимание принципов RESTful API

3 Architecture

1 Design patterns
GoF паттерны, publisher/ subscriber, LRU etc. После этого занятия вы научитесь применять на практике часто используемые паттерны проектирования из GoF, паттерны многопоточного взаимодействия и синхронизации, кеширования и т.п.

2 MV* patterns in Android
Архитектурные паттерны: MVP/ MVVM/MVI. После занятия вы сможете подбирать нужный архитектурный проект и собирать проект на основе данной архитектуры.

3 Clean Architecture
После занятия вы сможете выстраивать архитектуру в соответствии с принципами Clean Architecture сформулированными Бобом Мартином.

4 Android Architecture
Components LifecycleOwner, LiveData, Room, Paging, ViewModel. После занятия вы сможете применять AAC в своих приложениях, адаптировать их под конкретно выбранную архитектуру.

5 Dagger 2
Dagger2, Dagger2 Android Injector. Вы сможете правильно организовывать DI в приложении, используя Dagger2.

6 RxJava 2
После занятия вы научитесь применять “недооцененные” операторы, писать собственные операторы, узнаете как работают шедулеры.

7 Multimodule project
Dagger2, Gradle modules. После этого занятия вы научитесь проектировать мультимодульную архитектуру приложения.

8 Code smells + refactoring
После этого занятия вы научитесь находить плохие архитектурные решения, строить roadmap и проводить рефакторинг.

Скрытый текст. Открывается зарегистрированным пользователям.

​

Сегодня разработка архитектуры программного обеспечения является одним из главных навыков специалиста для создания масштабируемых и отказоустойчивых приложений.

Для кого этот курс:
Программа создана специально для разработчиков, Team Lead и администраторов, которые хотят научиться разрабатывать архитектуру программного обеспечения и
сложных распределенных и отказоустойчивых систем.

Фишки курса
В процессе обучения рассматриваются и типичные и не типичные проблемы в проектировании архитектуры ПО. Преподаватели поделятся лучшими практиками и решениями этих проблем. В программу входит много полезной теории, и вся она будет обязательно закрепляться практикой в рамках самостоятельной работы и онлайн-вебинаров.

После курса вы научитесь:
1. планировать архитектуру и создавать масштабируемые, fault-tolerant приложения
2. решать нетривиальные задачи, в рамках распределенных и децентрализованных систем
3. поймете, как решать проблемы в текущей, заложенной архитектуре
4. изучите классические паттерны проектирования (шардирование, репликация, и т.д.)

​

Начало занятий
25 октября, 4 месяца.

Что даст вам этот курс​

Обычно математику в вузах преподают в отрыве от реальных задач, где она в дальнейшем будет применяться. Мы пошли по другому пути. Каждый модуль профессионального курса сбалансирован математической теорией и практическими примерами, которые взяты из реальных кейсов. Вы будете решать задачу регрессии, проводить АБ-тестирование, работать над рекомендательной системой, использовать метод опорных векторов.

Для кого этот курс?
Курс подойдет всем, кто хочет развиваться в сфере Data Science. Он поможет вам освоить весь необходимый математический аппарат для решения задач на позиции Middle/Senior Data Scientist.

Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.

Спойлер: Программа курса :

Длительность курса: 132 академических часа

Модуль 1 Линейная алгебра

1 Введение 1.
Математика в
DataScience
понимание, что быть успешным Datascientist без
знания математики, а главное без ее понимания,
невозможно.
План и структура этого курса.
Знакомство с преподавателем
Математика для Data
Science. Продвинутый
курс
Best Practice по изучению математического аппарата,
необходимого для успешной карьеры в Data Science

2 Введение 2.
Основные
термины и
определения
математического
анализа,
линейной
алгебры и
теории
вероятностей
— Базовые термины матанализа (предел,
непрерывность функции, дифференциал)
— Базовые термины линейной алгебры (вектор,
матрица, ее виды, ранг, определитель)
— Базовые термины теории вероятности
(определение вероятности, мат.ожидание,
дисперсия)
— Установка Python, предоставление рекомендаций
по интерпретатору
— Вычисление базовых задач на Python с помощью
стандартных пакетов
Домашние задания
1 Основы линейной алгебры, мат.анализа и
теории вероятности
Цель: Цель данной домашней работы - развить
практические навыки, полученных в ходе
первого и второго уроков.
Рекомендуется сначала пройти урок 1 и 2.

3 Матрицы.
Основные
понятия и
операции
ключевые определения, операция над матрицами,
определитель, обратная матрица, вычисления
собственных значений и собственных векторов,
квадратичные формы
Домашние задания
1 Посчитать собственные числа и
вектора.

4 Геометрическая
интерпретация в
линейной
алгебре
— Геометрическая интерпретация матричных
преобразований
— Правило Крамера
— Знакоопределенность матрицы. Матрица
Маркова. Жорданова форма

5 Матричные
разложения
— Разложение SVD и ALS
— Неотрицательные разложения
— Заполнения пропусков в матрицах
Домашние задания
1 Разложить матрицу в SVD.
Цель: Для матрицы A=[3 7] выполнить
сингулярное разложение в python с
использованием библиотеки numpy (функция
linalg.svd). Записать получившуюся матрицу
преобразования. [5 2]
1. Установить набор библиотек Anaconda for
Python 3.7: Скрытый текст. Доступен только зарегистрированным пользователям.Нажмите, чтобы раскрыть...
2. Запустить графическую среду Ipython
Notebook (написав в терминале ipython
notebook, либо используя графический
интерфейс Anaconda)
3. Отразить код задания в Ipython Notebook
4. Прислать ссылку на репозиторий, в котором
будет выложен Ipython Notebook с решением
задачи

6 Матричные
производные
— Матричные производные
— Дифференциальные уравнения в матрицах

7 Применение
линейной
алгебры в Data
Science.
классификация данных с SVM и Logistic Regression
Домашние задания
1 Повторить вычисления с занятия в Python на
других данных.

8 Применение
линейной
алгебры в
Machine
Learning
обработка изображений и линейная алгебра

Модуль 2 Математический анализ
1 Теория множеств — Вероятностные пространства. Дискретное
пространство элементарных исходов
— Вероятность на числовой прямой и
плоскости. Правило сложения и умножения

2 Метрические
пространства
— Понятие метрического пространства.
— Определение нормированного
пространства, понятие нормы, отличие от
метрики, примеры нормированных
пространств.
— Норма в оптимизации
Домашние задания
1 Свойство метрики. Вычислить простые
операции над множеством.

3 Теория пределов — Определение Коши.
— Определение Пиано.
— Вычисление пределов функций.
— Асимптотические функции.
— Эквивалентные функции.
— Оценка сложности функции

4 Дифференцирование — Дифференцируемость функции в точке
Частные производные и дифференциалы
высших порядков
— Градиент. Матрица Гессе
Домашние задания
1 Вычисление производных и пределов
значений функции в бесконечности.

5 Оптимизация — Экстремумы функций многих переменных
— Определения точек локального и
глобального минимума. Необходимое и
достаточное условие экстремума для
выпуклых функций.
— Понятие стационарных точек и отличие в их
определении от точек экстремума

6 Минимизация и
Максимизация в
Регрессиях
— МНК
— ММП
Домашние задания
1 Максимизация функции с ограничениями.
Минимизация квадрата ошибки.

7 Интегрирование — Неопределенный интеграл. Определенный
интеграл
— Приложения определенного интеграла и
приближенные методы его вычисления
— Несобственные интегралы. Двойные
интегралы
— Приближенные методы интегрирования

8 Применение
Мат.анализа в ML
— Покоординатный спуск
— Градиентный спуск
— Адаптивные варианты градиентного спуска
— Ньютоновские методы, BFGS
Домашние задания
1 Поиск экстремума с
Python.

9 Применение
Мат.анализа в ML
— Линейная регрессия и разные подходы к
оптимизации (градиентный спуск, bounds, итд.)
— Нелинейная регрессия (реализация на
нейронных сетях) и разные подходы к
оптимизации
10 MidTerm проверочная работа.
В ходе занятия будет предоставляться от 2-х
до 5-ти минут на решение практической
задачи. По истечению отведенного времени
преподаватель решает задание на экране

Модуль 3 Теория вероятностей
1 Комбинаторика
и Основы
теории
вероятностей
— Принцип Дирихле. Перестановки. Размещения.
Сочетания.
— Опыт и его исходы. Пространство элементарных
событий. Вероятность события.
— Независимость событий. Условная вероятность.
Формулы сложения и умножения.
— Формулы полной вероятности и Байеса

2 Случайные
величины
— Случайная величина
— Дискретные и непрерывные случайные величины
— Закон распределения случайной величины и
способы его описания
Дискретные и непрерывные распределения
— Функция распределения и её свойства
— Распределение Бернулли
— Биномиальное распределение
— Моделирование на Python дискретное
распределение (для задачи МонтеКарло)
Домашние задания
1 Вычислить мат.ожидание, написав программный
код в Python.

3 Непрерывные
случайные
величины
— Основные законы распределения и их физический
смысл: биномиальное, пуассоновское,
экспоненциальное, равномерное, гауссовское
— Компьютерное моделирование различных
распределений

4 Теоремы — Случайные последовательности и сходимость
— Теорема Пуассона для схемы Бернулли
— Закон больших чисел (Чебышева, Бернулли,
Хинчина)
— ЦПТ Локальная, ЦПТ Линдеберга, ЦПТ Ляпунова
— Точечные оценки и их свойства
Домашние задания
1 Задачи на предыдущие темы курса:
максимизировать функцию. Отнормировать
относительно среднего. Вычислить количество
возможных повторений.

5 Точечное и
интервальное
оценивание
— Асимптотическая нормальность оценок
— Доверительные интервалы. Принцип построения
доверительных интервалов

6 Проверка
гипотез
— Проверка статистических гипотез. Формулировка
гипотез.
— Проверка гипотезы о законе распределения
выборки. Критерий согласия Пирсона.
— Проверка гипотезы о независимости двух
номинальных признаков. Критерий хи-квадрат

7 Проверка
гипотез. Часть 2
— Ошибки I и II рода, уровень значимости.
Статистический критерий. Построение
доверительной и критической областей. P-value
— Проверка гипотезы о вероятности успеха в схеме
Бернулли. Биномиальный критерий

8 Виды
зависимостей
— Виды зависимостей случайных величин:
функциональная, причинно-следственная,
статистическая, корреляционная. Различия и связь
между ними.
— Условные распределения

9 Регресии — Линейные, многомерные, логистические регрессии
— МНК, ММП, ММ
Домашние задания
1 Построить линейную регрессию в
Python.

10 Метод главных
компонент
— Определение главных компонент, их вычисление
— Понижение размерности и отбор признаков
— Применение в задачах регрессионного анализа

11 Моделирование
случайных
величин
— Random Walks, практические методы
— Вероятностный классификатор: Logistic
Regression, Random Forest, Gradient Boosting
— Вероятностные Нейронные Сети

12 Моделирование
случайных
величин.Часть 2
— Random Walks, практические методы
— Вероятностный классификатор: Logistic
Regression, Random Forest, Gradient Boosting
— Вероятностные Нейронные Сети
Домашние задания
1 Провести Монте-Карло симуляцию для
вычисления числа Пи.

Модуль - 4 Проектная работа
1 Консультация
по проекту
обсуждение кейса из практики
Домашние задания
1 Проектная
работа

2 Консультация
по проекту
обсуждение кейса из практики

3 Защита
дипломного
проекта
обсуждение кейса из практики

Спойлер: Автор:

Преподаватели

Петр Лукьянченко
Преподаватель ВШЭ по высшей математике

Имеет более десяти лет опыта преподавания математических дисциплин в НИУ ВШЭ. Готовил студентов к международным олимпиадам по математике, участвовал в подготовке команд для соревнований по программированию.

Работал в Lamoda на должности Team Lead Analytics, принимал участие в формировании отдела бизнес-аналитики и анализа данных. Руководил проектами в госструктурах, отвечал за прогнозирование ключевых бизнес-KPI и структурирование данных большого объема. Управлял проектом по созданию математического комплекса алгоритмов 3D-картографии.

Около 3 лет работал Quantitative Research. Занимался анализом и прогнозированием временных рядов, участвовал в создании модели стохастической волатильности.

​

30 октября 2019. Длительность 4 месяца.
Что даст вам этот курс
Вы освоите основные разделы высшей математики, необходимые для успешной работы в Data Science: математический анализ, линейную алгебру, теорию вероятности и статистику. После курса вы будете готовы к изучению машинного обучения.

Для поступления на курс достаточно знать математику на школьном уровне.
Знакомство с высшей математикой будет плюсом, но необязательно.

Зачем учить математику?
Профессия Data Scientist становится одной из самых перспективных и востребованных в IT. Средняя зарплата специалистов Data Science в России вдвое выше, чем у специалистов других IT-направлений — 190 тыс. руб. Основная сложность профессии — высокие требования к знаниям высшей математики. Уверенное владение математическим аппаратом позволяет повысить уровень компетенций и вырасти в профессиональном плане.

Программа курса :
Длительность курса: 68 академических часов
Модуль 1 Математический анализ

1 Введение математика в Data Science. Цели и задачи
курса.

2 Теория пределов числовая последовательность.
Предел числовой последовательности.
Предельный переход в неравенствах.
Предел монотонной ограниченной последовательности.
Предел функции.
Математика для Data Science. Базовый курс
Изучите высшую математику для успешной карьеры в Data Science.

3 Теория пределов.
Часть II
определения и основные теоремы.
Основные теоремы о пределах.
Первый и второй замечательные пределы.
Сравнение бесконечно малых.
Эквивалентные бесконечно малые, основные теоремы и применение.

Спойлер: Продолжение описания

4 Непрерывность и Дифференцируемость функции непрерывность функции в точке.
Непрерывность функции в интервале и на промежутке.
Точки разрыва функции и их классификация.
Основные теоремы о непрерывных функциях.
Непрерывность элементарных функций.
Свойства функций, непрерывных на промежутке.

5 Первая производная определение и интерпретация производной.
Уравнение касательной к графику дифференцируемой функции.
Производная как абсолютная скорость изменений и эластичность как относительная скорость изменений.
Непрерывность дифференцируемых функций.
Производная и арифметические операции.
Производная композиции дифференцируемых функций.
Производная обратной функции.
Производные основных элементарных функций.

6 Вторая производная геометрический смысл второй производной.
Выпуклые функции.
Применение второй производной в задачах оптимизации.

7 Оптимизация функции
(одной переменной) точки возрастания, убывания, локального минимума и локального максимума числовой функции.
Интерпретации знака производной как признак точки возрастания или убывания.
Необходимое условие экстремума.

8 Теория Рядов понятие положительного, знакочередующегося и степенного рядов.
Область сходимости.
Простейшие свойства функциональных рядов.
Абсолютная и условная сходимость.

9 Теория Рядов. Часть II

10 Формула Тейлора формула Тейлора для многочлена.
Формула Тейлора для произвольной функции.

11 Неопределенное интегрирование определения и простейшие свойства.
Метод непосредственного интегрирования.
Метод интегрирования подстановкой.
Метод интегрирования по частям.

12 Определенное интегрирование понятие определенного интеграла.
Свойства определенного интеграла.
Понятие о рациональных функциях.
Интегрирование простейших рациональных дробей.
Интегрирование рациональных дробей.

13 Несобственные интегралы
понятие несобственных интегралов 1-го и 2-
го рода. Несобственные интегралы от
неотрицательных функций. Абсолютная
сходимость.
и. Дифференциалы высших порядка

Модуль 2 Линейная алгебра

1 Матрицы и элементарные операции
системы линейных уравнений. Определение
матрицы. Виды матриц. Сложение. Умножение.
Транспонирование.

2 Линейная зависимость
линейная зависимость строк (столбцов).
Основная лемма о линейной зависимости, база и ранг системы строк (столбцов).
Ранг матрицы.
Критерий совместности и определенности системы линейных уравнений в терминах рангов матриц.
Фундаментальная система решений однородной системы линейных уравнений.

3 Определитель определитель квадратной матрицы, его основные свойства.
Критерий равенства определителя нулю.
Формула разложения определителя матрицы по
строке (столбцу). Теорема Крамера о системах
линейных уравнений с квадратной матрицей

4 Обратная матрица определитель квадратной матрицы, его основные свойства.
Критерий равенства определителя нулю.
Формула разложения определителя матрицы по
строке (столбцу). Теорема Крамера о системах
линейных уравнений с квадратной матрицей.

5 СЛАУ критерий совместимости СЛАУ (теорема КронекераКапелли ).
Решение произвольных систем m
линейных уравнений с n неизвестными методом
Гаусса. Однородные САЛУ и их решение.

6 Векторная алгебра линейные векторные пространства.
Линейные преобразования.
Скалярное и векторное произведение векторов

7 Диагонализация матрицы собственные значения и собственные векторы

8 Диагонализация матрицы собственные значения и собственные векторы

9 MidTerm практическое занятие. Решение задач.

Модуль 3 Теория Вероятностей
1 Случайные события опыт и его исходы.
Пространство элементарных событий.
Вероятность события.
Независимость событий.
Условная вероятность.
Формулы сложения и умножения.
Формулы полной вероятности и Байеса.

2 Случайные величины случайная величина.
Дискретные и непрерывные
случайные величины. Закон распределения
случайной величины и способы его описания.
Моментные характеристики случайных величин.
Компьютерное моделирование необходимого
распределения.

3 Основные законы распределения
основные законы распределения и их физический
смысл: биномиальное, пуассоновское,
экспоненциальное, равномерное, гауссовское.

4 Основные законы распределения.
Часть II

5 Условные распределения
виды зависимостей случайных величин. Различия и
связь между ними. Условные распределения.

6 Точечные оценки и их свойства
точечные оценки и их свойства. Метод
максимального правдоподобия.

7 Выборочные характеристики.
Интервальные
оценки
выборочные характеристики (выборочное среднее,
выборочная дисперсия, выборочная функция
распределения, гистограмма, ядерные оценки
плотности) как оценки теоретических.
Доверительные интервалы. Принцип построения
доверительных интервалов

8 Проверка гипотез
проверка гипотезы о законе распределения
выборки. Критерий согласия Пирсона.
Проверка гипотезы о независимости двух
номинальных признаков. Критерий хи-квадрат.

9 Проверка гипотез. Часть II

10 Регрессии линейные, многомерные, логистические регрессии.
МНК, ММП, ММ.

11 Регрессии.
Часть II

Автор:
Преподаватель
Петр Лукьянченко
Преподаватель ВШЭ по высшей математике

Имеет более десяти лет опыта преподавания математических дисциплин в НИУ ВШЭ. Готовил студентов к международным олимпиадам по математике, участвовал в подготовке команд для соревнований по программированию.

Работал в Lamoda на должности Team Lead Analytics, принимал участие в формировании отдела бизнес-аналитики и анализа данных. Руководил проектами в госструктурах, отвечал за прогнозирование ключевых бизнес-KPI и структурирование данных большого объема. Управлял проектом по созданию математического комплекса алгоритмов 3D-картографии.

Около 3 лет работал Quantitative Research. Занимался анализом и прогнозированием временных рядов, участвовал в создании модели стохастической волатильности.

​

GNU/Linux – популярная операционная система, лидирующая на рынке серверного оборудования, используемая также как встраиваемая ОС в промышленном и бытовом оборудовании и даже в качестве десктопного ПО. Компоненты GNU используются и в MAC OS X, не обошлось без влияния GNU/Linux и на Windows.
Знакомство с Linux необходимо системному администратору, тестировщику, веб-программисту, специалисту по информационной безопасности, любому разработчику, претендующему на статус middle и выше.

Данный курс разбирает базовые основы работы в Linux: основы работы в оболочке Linux, управление пользователями и правами файлов, регулярные выражения и написание скриптов в bash, работа с процессами и управление загрузкой и сервисами в Linux.
Понимание основ программирования, систем счисления (двоичная, восьмеричная, шестнадцатеричная системы счисления) и булевой логики

Чему Вы научитесь:

• Устанавливать и настраивать Ubuntu;
• Понимать архитектуру Linux и Unix-подобных систем;
• Работать в терминале (пригодится и тем, кто использует Mac);
• Работать с файлами, файловыми системами и устройствами в Linux;
• Администрировать Linux и другие Unix-подобные операционные системы;
• Понимать и писать регулярные выражения;
• Решать задачи автоматизации, писать скрипты и назначать задачи по расписанию;
• Настроить на базе Linux веб-сервер и защитить его с помощью iptables;
• Работать с git, использовать контейнеризацию Docker.

Спойлер: Программа курса:

Урок 1. Знакомство и установка
Знакомство с GNU/Linux. Что такое GNU, Linux и UNIX. Виртуализация. Установка Ubuntu в виртуальной машине. Базовые возможности работы в Linux

Урок 2. Работа в графическом и консольном режиме
Консольный и графический режим в Linux. Консольные команды. Создание и редактирование файлов.

Урок 3. Файлы и права доступа в Linux
Пользователи и права в Linux; работа с файлами; выполнение операций от имени суперпользователя.

Урок 4. Регулярные выражения
Регулярные выражения. Поиск. sed.

Урок 5. Программирование bash
Синтаксис. Команды. Переменные. Управляющие конструкции. Некоторые простые скрипты. Выполнение задач по расписанию с помощью cron.

Урок 6. Веб-сервисы
Сетевые возможности Linux. Веб-сервисы. Nginx, Apache2. Let’s encrypt. Сетевой фильтр netfilter и утилита iptables.

Урок 7. Введение в Git
Знакомство с Git.

Урок 8. SOA и введение в Docker
Монолитная и SOA-архитектура приложений. Введение в Docker

​

От основ программирования до построения программ с использованием ООП
Язык программирования Python — это мощный инструмент для создания программ самого разнообразного назначения, доступный даже для новичков. С его помощью можно решать задачи различных типов.

Курс “Python Basic” отлично подойдет как для опытных программистов, желающих познакомиться с новым инструментом разработки, так и для совсем начинающих. Мы пройдем путь от основ программирования(переменные, циклы, ветвления), до построения программ с использованием объектно ориентированного подхода.

На протяжении курса мы рассмотрим различные примеры применения языка для решения практических задач. Погрузимся в мир python и проникнемся его идеологией и философией.

Чему Вы научитесь:

• Использовать основные конструкции языка Python;
• Читать чужой код python и писать собственный, в соответствии со стандартами PEP-8 и практиками, прошедшими проверку временем;
• Использовать IDE и ее вспомогательные инструменты для проверки и отладки кода;
• Писать системные скрипты, для работы с файловой системой;
• Разрабатывать полноценные программы с использованием модульного и объектно ориентированного подхода;
• Понимать, как на самом деле устроен python и познаете его мощь и гибкость;

​

Формат: видео лекции (4 модуля по 3 видеолекции каждый).
Прохождение подготовительного курса даст:
- необходимые базовые знания для курса «Разработчик Java»;
- возможность поступить на курс «Разработчик Java» без вступительного тестирования;
- скидку на приобретение курса «Разработчик Java», равную стоимости подготовительного курса;
- приглашение в slack-чат курса «Разработчик Java».

Преподаватель
Виталий Чибриков
Генеральный директор «OTUS. Онлайн-образование»
Выпускник МФТИ 2004-го года по специальности «Инженер-математик». Профессиональный опыт: 12 лет программирования на Java, C++, C#, JavaScript, PHP, Python. Участник проектов различных уровней сложности: от стартапов на 3 человека/полгода до бизнес-приложений на 200 человек/4 года. 8 лет разработки серверов для клиентских игр на Java. Эксперт в разработке облачных приложений, автоматизации процессов разработки и тестирования.

Разрабатывал и запускал проекты MMORMGs: «Allods Online» и «Skyforge».Автор и преподаватель следующих курсов: «Углубленное программирование на Java» в Технопарке Mail.Ru Group, видеокурс «Разработка веб-сервиса на Java» на Stepik.org, курс «Java Programming» Harbour.Space University, Barcelona.

Спойлер: Содержание складчины (файлы и папки)

01 Язык Java

01 Базовые синтаксические конструкции и операторы в Java
M.01.01 Базовые синтаксические конструкции и операторы в Java.mp4 [574m 931k 630]
M.01.01 Презентация.pdf [209k 117]
Ссылки.txt [48]

Тест
1.1.png [45k 220]
1.2.png [39k 716]
1.3.png [28k 5]

02 Ссылочные типы данных и обработка ошибок
M.01.02 Презентация.pdf [198k 917]
M.01.02 Ссылочные типы данных и обработка ошибок.mp4 [328m 312k 417]

Тест
2.1.png [58k 858]
2.2.png [57k 910]

03 Работа массивами и строками
M.01.03 Презентация.pdf [250k 433]
M.01.03 Работа с массивами и строками.mp4 [361m 355k 932]

Тест
3.1.png [71k 769]
3.2.png [59k 149]

04 Вебинар по модулю 1
Вебинар по модулю 1.mp4 [164m 485k 110]

02 Проектирование и тестирование приложений

01 Объектно –ориентированное программирование в Java
M.02.01 Объектно–ориентированное программирование.mp4 [308m 397k 630]
M.02.01 Презентация.pdf [279k 275]

Тест
1.1.png [82k 661]
1.2.png [68k 524]
1.3.png [64k 757]
1.4.png [51k 100]

02 Концепции объектно –ориентированного проектирования
M.02.03 ООП.mp4 [249m 253k 34]
M.02.03 Презентация.pdf [357k 68]

Тест
2.1.png [65k 217]
2.2.png [67k 677]
2.3.png [65k 455]

03 Unit-тестирование
M.02.03 JUnit.mp4 [259m 3k 659]
M.02.03 Презентация.pdf [309k 593]

Тест
3.1.png [65k 326]
3.2.png [73k 889]

04 Вебинар по модулю 2
Вебинар по модулю 2.mp4 [227m 970k 62]

03 Платформа Java

01 Устройство платформы Java
M.03.01 Презентация.pdf [421k 76]
M.03.01 Устройство платформы Java.mp4 [326m 668k 769]

Тест
1.1.png [63k 315]
1.2.png [71k 594]
1.3.png [70k 482]

02 Сборка и упаковка Java-приложения
M.03.02 Презентация.pdf [300k 310]
M.03.02 Сборка и упаковка Java-приложения.mp4 [330m 288k 529]

Тест
2.1.png [70k 209]
2.2.png [74k 733]

03 Сборка мусора и отладка
M.03.03 Презентация.pdf [205k 7]
M.03.03 Сборка мусора и отладка.mp4 [337m 465k 888]

Тест
3.1.png [76k 81]
3.2.png [61k 832]

04 Вебинар по модулю 3
Вебинар по модулю 3.mp4 [434m 704k 305]

04 Стандартная библиотека

01 Классы-контейнеры
M.04.01 Коллекции часть#1.mp4 [450m 123k 533]
M.04.01 Коллекции часть#2.mp4 [217m 648k 5]
M.04.01 Презентация.pdf [1m 850k 594]

Тест
1.1.png [57k 607]
1.2.png [76k 777]

02 Исключения
M.04.02 Исключения.Дата и время.Генерация случайных чисел.mp4 [246m 519k 167]
M.04.02 Презентация.pdf [2m 776k 297]

Тест
2.1.png [65k 451]
2.2.png [62k 226]

03 Работа с файлами
M.04.03 Работа с файлами.mp4 [198m 546k 585]
M.04.03 Презентация.pdf [949k 174]

Тест
3.1.png [64k 820]
3.2.png [53k 356]

04 Вебинар по модулю 4
M4-293-03ed64.4-03-Maps.pdf [90k 408]
M4-293-2efd2a.4-05-io.pdf [123k 635]
M4-293-5b5bde.4-01-Generics.pdf [72k 790]
M4-293-aab645.4-02-Collections.pdf [97k 833]
M4-293-f736fb.4-04-Exceptions.pdf [168k 494]
Вебинар по модулю 4.mp4 [170m 844k 316]

​

Что даст вам этот курс
Этот курс подойдет разработчикам, которые:
- хотят стать JavaScript FullStack разработчиками
- хотят больше веселья и хардкора с технологиями, больше сложных и комплексных задач в работе
- имеют опыт работы с одной технологией или языком программирования и хотят получить практические навыки других технологий или переквалифицироваться
- хотят улучшить свои технические скиллы и перейти на следующий профессиональный уровень

В рамках курса мы рассмотрим:
Ключевые особенности JavaScript - замыкания, особенности ООП и SOLID в JS, функционального и реактивного программирования, Promises и другие возможности ES6, Event Loop, а также разберём DOM API, Ajax и события в рамках разработки в браузере, и, конечно, прокачаем навыки в HTML и CSS. Научимся писать код на диалектах JavaScript, таких как TypeScript и JSX.

Помимо разработки клиентской части в браузере, мы также будем использовать серверную платформу NodeJS и её окружение. Изучим популярный фреймворк Angular с реактивными возможностями RxJS, а также библиотеки для написания web-приложений - ReactJS, Redux и современные подходы к разработке UI, такие как Polymer и набирающий звёзды Vue.

Мы будем собирать проекты для production с помощью Webpack, хранить данные в MongoDB, использовать TDD подход и писать тесты на различных фреймворках и уровнях.

• Изучим полный ландшафт современных технологий Node / React / Angular / Vue / Web Components
• Выполним домашние задания в формате мини-assignment, как на собеседованиях в российские и европейские компании
• Углубимся во внутренние алгоритмы и логику работы фреймворков и рассмотрим спецификации

По окончании курса студент будет:
- Понимать принципы работы современных JavaScript фреймворков и библиотек
- Уметь применять паттерны проектирования (Event Loop, Flux, Immutable, Virtual DOM, Dependency Injection, Observables)
- Знать подходы при проектировании, организации, контроля состояния и тестирования серверных и клиентских приложений
- Выбирать подходящие инструменты для проекта
- Тестировать проект unit-тестами на разных уровнях
- Создавать веб-приложения с использованием современных технологий

Спойлер: Продолжение описания

Преподаватель
Павел Асташкин
Маркетолог по образованию, программист по призванию.
В настоящий момент JavaScript developer в небольшой, но динамично развивающейся компании. Последнее время занимается разработкой и внедрением решений, направленных на улучшение работы проекта, преимущественно на Vue.
Плюс ко всему, является выпускником курса "Разработчик JavaScript"!

Минимальные знания
- Знание основ JavaScript (переменные, циклы, функции, замыкания, создание объектов, scope, this, работа со встроенными классами и API - Date, Math, RegExp, Array - map, forEach, filter, reduce)
- Основы работы браузера и браузерного API
- Знание HTML и CSS
- Базовые навыки работы с Git (понимание VCS, создать ветку, сделать Merge Request на github)

Плюсом будет:
- опыт использования JavaScript библиотек / фреймворков
- понимание или желание разбираться с алгоритмическими, проектировочными и логическими задачами
- умеет работать с IDE

После обучения вы

• заберете с собой полный комплект обучающих материалов: видеозаписи всех вебинаров, презентации к занятиям, а также решение задач и проектов в виде кода на github и другие дополнительные материалы;
• получите сертификат о прохождении курса;
• приобретете опыт работы с актуальными технологиями, фреймворками и инструментарием;

​

Best Practice по работе с современными методами анализа данных и инструментам, необходимым для профессионального развития в качестве специалиста Data Science

Что даст вам этот курс
За 5 месяцев мы последовательно познакомимся с современными методами анализа данных. Курс позволит не просто поверхностно изучить принципы работы алгоритмов машинного обучения, а на профессиональном уровне освоить и применять в работе все этапы работы с данными, понимая, как, когда и зачем они используются.

Проекты для портфолио
В процессе обучения студенты разработают несколько мощных проектов для портфолио, которые обязательно оценят потенциальные работодатели, и научатся грамотно презентовать результаты своих работ.

Дополнительные преимущества
В программу также входит изучение редких и важных тем, которые обычно упускаются из внимания других курсов, но очень ценятся работодателями:
— построение систем для автоматического поиска аномалий;
— Machine Learning для прогнозирования временных рядов;
— end-to-end pipelin’ы по работе с данными, готовые к внедрению в production

Для кого этот курс
Профессиональная программа разработана специально для разработчиков и аналитиков, которые хотят значительно расширить свои возможности и получить необходимый набор знаний и навыков для смены своей профессии.

Спойлер: Продолжение описания

Преподаватель:
Дмитрий Сергеев
Senior Data Scientist в Oura
Программирую и практикую анализ данных с 2012 года. Последние 3 года работал Data Scientist в компании ZeptoLab, где занимался всеми проектами, связанными с машинным обучением. В настоящий момент получаю степень магистра в университете Aalto в Финляндии.

Преподавал машинное обучение и анализ данных в Центре Математических Финансов МГУ, был приглашенным лектором на Факультете Компьютерных Наук НИУ ВШЭ и различных летних школах.

Образование: Эконом-мат РЭУ им. Плеханова, ЦМФ МГУ, ДПО ФКН ВШЭ “Практический анализ данных и машинное обучение”, MSc Aalto University

Стек/интересы: Python, Machine Learning, Time Series, Anomaly Detection

Минимальные знания
Для прохождения программы необходимы:— навыки программирования на Python (опыт написания собственных функций),
— знания математического анализа (вычисление производных сложных функций),
— знания линейной алгебры (матричные операции и собственные вектора),
— знания теории вероятностей и мат. статистики (понимание дисперсии, мат. ожидания, нормального закона распределения).

После обучения вы

• заберете с собой learn-материалы по всем занятиям (презентации, записи вебинаров, примеры практических задач);
• получите сертификат на русском о прохождении курса;
• научитесь использовать методы машинного обучения для решения реальных бизнес-задач;
• улучшите навыки в технологиях Python, Pandas, Sklearn, Keras, нейросети, SQL, Natural language processing, Deep learning и других, связанных с Learn Data Science;

​

Что даст вам этот курс
Сегодня немногие веб-разработчики обладают достаточным опытом для создания отказоустойчивых и масштабируемых архитектур. И именно такие специалисты являются самыми высокооплачиваемыми и востребованными в крупных компаниях: Google, Mail.Ru Group, Yandex, Netflix и др.

Для кого этот курс
Программа создана специально для веб-разработчиков, тимлидов команд веб-разработки, архитекторов и технических руководителей. За 5 месяцев студенты научатся использовать в своих проектах решения, которые выдерживают сотни тысяч (и даже миллионы) запросов в секунду, смогут правильно оптимизировать работоспособность серверов, начнут эффективно использовать инструменты, которые уже есть в проектах. Также курс позволит актуализировать и систематизировать знания в сфере HighLoad.

Преимущества программы
В процессе обучения рассматриваются типичные и нетривиальные проблемы архитектуры веб-приложений. Преподаватели поделятся лучшими практиками и решениями этих проблем. В программу входит много полезной теории, и вся она будет обязательно закрепляться практикой в рамках самостоятельной работы и онлайн-вебинаров.

изучение основных проблем архитектуры веб-приложений
домашние задания — мини-проекты для портфолио
лучшие практики и решения высоких нагрузок веб-приложений
настоящее комьюнити и постоянный фидбек преподавателей-экспертов

Спойлер: Продолжение описания

Выпускники смогут:
— создавать веб-приложения, которые легко масштабировать
— обеспечивать отказоустойчивость веб-приложений даже при падении серверов
— правильно использовать шаблоны (кеширование, реплицирование, шардирование, индексирование)
— работать с инструментами, разработанными Google, Mail.Ru Group, Yandex

Преподаватель
Иван Ремень
Учился в технопарке Mail.Ru. В 2013 году начал работать стажером в проекте "Почта" компании Mail.Ru. С 2015 года преподавал различные (в том числе и авторские курсы) в образовательных проектах Mail.Ru. С 2016 года занимал должность руководителя группы в Почте. В том же году получил диплом магистра по специальности "Программная инженерия" в МГТУ им. Н.Э. Баумана.

С 2018 года начал работать в Ситимобил на должность руководителя группы. С апреля 2019 года был назначен руководитель направления серверной разработки. Занимается развитием технических навыков людей, поддержкой их мотивации, развитием отказоустойчивых архитектур, внедрением новых технологий в процесс разработки (golang, tarantool).

Основные технические навыки:
Golang
C
MySQL
Tarantool
Highload architecture
Linux API

Минимальные знания
— Владение одним из языков серверной разработки: Python, PHP, Golang (предпочтительно), NodeJS (в крайнем случае), Java (в крайнем случае) — Умение верстать сайты на базовом уровне — Знания основ JavaScript — Навыки работы с SQL (составление запросов): в процессе обучения используется MySQL — Навыки работы с Linux

После обучения вы

• получите материалы по всем пройденным занятиям (видеозаписи вебинаров, выполненные домашние задания, выпускной проект)
• сможете писать рациональный и хорошо структурированный код
• получите сертификат об окончании курса
• приобретёте навыки работы с алгоритмами и структурами данных, которые необходимы при реализации сложных проектов в крупных компаниях