Дисципліна «Теорія ймовірностей та математична статистика» є фундаментальною базою для фахівців із галузі «Комп'ютерні науки». Вона забезпечує математичний апарат, необхідний для роботи з неозначеністю, аналізу даних, побудови алгоритмів машинного навчання та оцінки надійності програмних систем. Головною метою курсу є засвоєння способів моделювання випадкових подій і процесів, формування навичок аналізу великих масивів даних та ухвалення обґрунтованих рішень в умовах невизначеності.
Змістовно курс поділяється на два ключові блоки. Перший блок — теорія ймовірностей — охоплює вивчення випадкових подій, умовної ймовірності, формули Байєса, дискретних і неперервних випадкових величин, основних законів розподілу та граничних теорем. Ці знання застосовуються в програмуванні для створення спам-фільтрів на основі наївного Байєсового класифікатора, розрахунку надійності складних систем, моделювання навантаження серверів та розробки балансу в ігровій індустрії. Другий блок — математична статистика — присвячений вибірковому методу, описовій статистиці, точковим та інтервальним оцінкам параметрів, перевірці статистичних гіпотез із використанням $p$-value, t-критерію та критерію хі-квадрат, а також кореляційно-регресійному аналізу. Ці інструменти є критично важливими для проведення A/B-тестування продуктів, Data Analytics, підготовки даних для навчання моделей та оцінки ризиків.
У результаті вивчення дисципліни здобувачі вищої освіти отримують комплекс аналітичних, обчислювальних та дослідницьких компетентностей. Вони вчаться будувати ймовірнісні моделі реальних комп'ютерних систем, застосовувати спеціалізоване програмне забезпечення та мови програмування (зокрема Python або R з бібліотеками NumPy, SciPy та Pandas) для статистичного аналізу, а також правильно формулювати й перевіряти гіпотези щодо поведінки алгоритмів чи користувачів.
В освітній програмі підготовки бакалавра з комп'ютерних наук цей курс спирається на знання з вищої математики, зокрема диференційного та інтегрального числення, а також лінійної алгебри. Водночас він слугує безпосереднім пререквізитом для опанування таких сучасних напрямів, як машинне навчання (Machine Learning), штучний інтелект (AI), аналіз даних (Data Science), теорія масового обслуговування та криптографія.
- Teacher: Галина Савеліївна Пасічник