Чему вы научитесь
- Понимать, что такое регрессия и чем линейная регрессия отличается от других видов регрессии.
- Интерпретировать коэффициенты модели: что значит наклон и сдвиг (веса и смещение).
- Выбирать подходящую функцию ошибки (MAE, MSE, RMSE, MAPE) под свою задачу.
- Объяснять, как градиентный спуск обучает модель — без магии, на пальцах.
- Строить многомерную регрессию (много признаков) и полиномиальную регрессию (кривые).
- Применять полный алгоритм обучения: от данных до готового прогноза.
- Отличать хорошую модель от плохой и проверять её здравым смыслом.
О курсе
Для кого этот курс
Начальные требования
-
Уметь складывать, вычитать, умножать и делить (в пределах школьной программы 5–7 класса).
-
Понимать, что такое график и координаты (x, y).
-
Желание разобраться — и немного терпения к простым аналогиям.
Никакого программирования, высшей математики, производных и матриц не требуется. Всё нужное мы объясним по ходу дела.
Преподаватели курса
251
Как проходит обучение
Курс состоит из коротких текстовых уроков, разбитых на 2 модуля (5 глав). Внутри каждого урока:
-
живое объяснение с примерами из жизни;
-
анимации и схемы (в виде текстовых описаний или ссылок на визуализации);
-
несколько вопросов для самопроверки (без оценки, чтобы закрепить).
Вы можете проходить курс в своём темпе — хоть за один вечер, хоть за неделю. Рекомендуем делать небольшие паузы после каждой главы, чтобы «переварить» материал. В конце вас ждёт итоговый тест, который поможет убедиться, что вы всё поняли.
Сертификат
Что вы получите
- Чёткое понимание линейной регрессии «как она есть» — без иллюзий и страха.
- Умение объяснить коллеге или на собеседовании, что такое градиентный спуск, функция потерь, вес признака.
- Готовность переходить к следующим алгоритмам (логистическая регрессия, персептрон, деревья решений) — потому что база заложена.
- Сертификат Stepik о прохождении курса (если предусмотрено платформой).
- Доступ к курсу навсегда — можно перечитывать в любое время.