ML System Design
Математика
для машинного обучения
для машинного обучения
Для кого этот курс
Дата старта курса:
10 апреля 2026 — 2 поток
Ваши результаты после курса: Научитесь не просто разбираться в формулах, а понимать математику, на которой строится ИИ.
НОВИЧКИ В ML
Разберёшься в базовой математике: функции, производные, вероятности — и подготовишься к старту в машинном обучении
АНАЛИТИКИ
Поймёшь статистику, распределения и вероятность — и начнёшь осознанно работать с ML-моделями
РАЗРАБОТЧИКИ
Освоишь градиенты, оптимизацию
и линейную алгебру — и глубже разберёшься в алгоритмах машинного обучения
и линейную алгебру — и глубже разберёшься в алгоритмах машинного обучения
после прохождения курса
Что получат клиенты?
01
Математический анализ
Разберетесь в функциях и производных, поймёте их геометрический смысл и научитесь исследовать функции. Освоите экстремумы и градиенты — базу, на которой строятся алгоритмы машинного обучения
02
Линейная алгебра
Научитесь работать с матрицами и детерминантами, поймете их роль в ML и сможете применять линейную алгебру для решения практических задач
Теория вероятностей
Поймете, как работают вероятности и распределения, разберетесь со случайными величинами и ключевыми теоремами — основой для анализа данных и построения моделей
03
длительность: 12 недель
Формат курса
Занятия:
Живые вебинары раз в неделю — разбор темы с экспертом в группе
Нагрузка:
~1,5 часа вебинаров + ~1 час практики в неделю
Практика:
Домашние задания с проверкой эксперта на платформе Getcourse
Дополни-тельно:
Челленджи и балльная система, чтобы не выпадать из обучения
Дополнительно:
Программа курса
Отображения/функции/примеры/логарифмическая функция
Производная, её геометрический смысл, правила дифференцирования
Исследование функций
с помощью производной, экстремумы, графики
с помощью производной, экстремумы, графики
Функции двух переменных. Частные производные. Градиент
Экстремумы ФМП: обычные и условные
Матрицы, операции с ними, детерминанты матриц
Скалярное произведение, уравнение плоскости
Классическая вероятность, условная вероятность
Дискретные случайные величины, их характеристики
Непрерывные распределения, ЦПТ
Вебинар от Виктора Кантора «Как математика используется в ML?»
длительность: 12 недель
Дополнительные материалы от эксперта
ПреподавателИ
СПИКЕР КУРСА
Сергей Жестков
10+ лет ведет высшую математику
Автор курсов для Сбера, Тинькофф, Otus и Skillbox
Дважды «Преподаватель года» МФТИ
Эксперт Т-Образования, обучил высшей математике более 2000 студентов
В курсе он собрал только ту математику, которая реально нужна в ML и Data Science.
Основатель школы & соавтор курса
Виктор Кантор
Работает с большими данными и искусственным интеллектом с 2010 года
Прошел путь от Data Scientist'а до топ-менеджера (Big Data VP)
Построил службу машинного обучения в «Яндекс.Такси» (ex-CDS Яндекс.Такси)
Запустил Академию больших данных Mail.Ru
Руководил Big Data в МТС (600+ сотрудников)
Автор специализации «Машинное обучение и анализ данных» МФТИ и Яндекса на Coursera (200+ тысяч слушателей с 2016 года)
Читает лекции по машинному обучению в МФТИ и ВШЭ
Лауреат Forbes «30 до 30» 2020 года
СПИКЕР КУРСА
Сергей Жестков
10+ лет ведет высшую математику
Автор курсов для Сбера, Тинькофф, Otus и Skillbox
Дважды «Преподаватель года» МФТИ
Эксперт Т-Образования, обучил высшей математике более 2000 студентов
В курсе он собрал только ту математику, которая реально нужна в ML и Data Science.
Основатель школы & соавтор курса
Виктор Кантор
Работает с большими данными и искусственным интеллектом с 2010 года
Прошел путь от Data Scientist'а до топ-менеджера (Big Data VP)
Построил службу машинного обучения в «Яндекс.Такси» (ex-CDS Яндекс.Такси)
Запустил Академию больших данных Mail.Ru
Руководил Big Data в МТС (600+ сотрудников)
Автор специализации «Машинное обучение и анализ данных» МФТИ и Яндекса на Coursera (200+ тысяч слушателей с 2016 года)
Читает лекции по машинному обучению в МФТИ и ВШЭ
Лауреат Forbes «30 до 30» 2020 года
ОСТАЛИСЬ ВОПРОСЫ?
Заполните форму, мы свяжемся с Вами, ответим на все Ваши вопросы и подробнее расскажем о курсе
