Podstawy matematyki oraz rachunku różniakowego i całkowego Teoria liczb Kolejność działań Zmienne Funkcje Sumowanie Potęgowanie Logarytmy Liczba Eulera i logarytmy naturalne Liczba Eulera Logarytmy naturalne Granice Pochodne Pochodne cząstkowe Reguła łańcuchowa Całki 1.Prawdopodobieństwo Zrozumieć prawdopodobieństwo Prawdopodobieństwo a statystyka Matematyka prawdopodobieństw Prawdopodobieństwa łączne Prawdopodobieństwa alternatywne Prawdopodobieństwo warunkowe i twierdzenie Bayesa Łączne i alternatywne prawdopodobieństwa warunkowe Rozkład dwumianowy Rozkład beta 3.Statystyka opisowa i wnioskowanie statystyczne Czym są dane? Statystyka opisowa a wnioskowanie statystyczne Populacje, próby i obciążenie Statystyka opisowa Średnia i średnia ważona Mediana Dominanta Wariancja i odchylenie standardowe Rozkład normalny Dystrybuanta odwrotna Standaryzacja Z Wnioskowanie statystyczne Centralne twierdzenie graniczne Przedziały ufności Wartości p Testowanie hipotez Rozkład t: analizowanie małych prób Big data i błąd teksańskiego snajpera 4.Algebra liniowa Co to jest wektor? Dodawanie i łączenie wektorów Skalowanie wektorów Powłoka i zależność liniowa Przekształcenia liniowe Wektory bazowe Mnożenie macierzy przez wektor Mnożenie macierzy Wyznaczniki Specjalne rodzaje macierzy Macierz kwadratowa Macierz jednostkowa Macierz odwrotna Macierz diagonalna Macierz trójkątna Macierz rzadka Układy równań i macierze odwrotne Wektory i wartości własne 5.Regresja liniowa Podstawowa regresja liniowa Reszty i kwadraty błędu Znajdowanie najlepiej dopasowanej linii Równanie w formie zamkniętej Techniki wykorzystujące macierze odwrotne Metoda gradientu prostego Nadmierne dopasowanie i wariancja Metoda stochastycznego gradientu prostego Współczynnik korelacj i Istotność statystyczna Współczynnik determinacji Błąd standardowy estymacji Przedziały przewidywania Podział danych na treningowe i testowe Wielokrotna regresja liniowa 6.Regresja logistyczna i klasyfikacja Na czym polega regresja logistyczna? Przeprowadzanie regresji logistycznej Funkcja logistyczna Dopasowywanie krzywej logistycznej Regresja logistyczna z wieloma zmiennymi Logarytm szansy R-kwadrat Wartości p Podziały na dane treningowe i testowe Macierz błędów Twierdzenie Bayesa a klasyfikacja Krzywa ROC/pole pod krzywą Nierównowaga klas 7.Sieci neuronowe Kiedy używać sieci neuronowych i uczenia głębokiego? Prosta sieć neuronowa Funkcje aktywacji Propagacja w przód Propagacja wsteczna Obliczanie pochodnych względem wag i biasów Metoda gradientu stochastycznego Używanie scikit-learn Ograniczenia sieci neuronowych i uczenia maszynowego 8.Porady zawodowe i droga naprzód Nowa definicja data science Krótka historia data science Szukanie przewagi Biegłość w SQL-u Biegłość w programowaniu Wizualizacja danych Znajomość branży Produktywna nauka Praktyk czy doradca? Na co trzeba uważać w pracy związanej z data science? Definicja roli Skupienie organizacyjne i akceptacja Adekwatne zasoby Rozsądne cele Konkurowanie z istniejącymi systemami Twoja rola nie jest tym, czego się spodziewałeś Czy Twoja praca marzeń nie istnieje?