В курсе рассматриваются основы теории машинного обучения, интеллектуального анализа данных. Темы курса: Математика и программирование для анализа данных. Типы данных. Циклы, функции, генеработы, list comprehension. Чтение данных из файлов. Запись файлов, изменение файлов. Функции и их свойства. Предел и производная. Геометрический смысл производной. Производная сложной функции. Задача нахождения экстремума. Вторая производная и выпуклость. Pandas. Data frame. Индесация и селекция. Знакомство с NumPy, SciPy, Matplotlib. Знакомство с линейной алгеброй. Векторные пространства. Операции в векторных пространствах. Матричные операции. Ранг и определитель. Системы линейных уравнений. Частые производные и градиент. Направление наискорейшего роста. Оптимизация негладких функций. Метод имитации отжига. Генетические алгоритмы и дифференциальная эволюция. Нелдер-Мид. азложения матриц в произведение, сингулярное разложение. Случайность в теории вероятностей и статистике. Оценка распределения по выборке. Центральная предельная теорема. Доверительные интервалы.