Курс на Stepik
Обложка курса «Data Science» на Stepik
Бесплатно

Data Science ★ 4.750

Открыть на
STEPIK.ORG

Раскрывая увлекательную вселенную Data Science, погрузитесь в мир анализа данных, машинного обучения и визуализации результатов с помощью интерактивной среды Jupyter Notebooks. На этом курсе Вы освоите самые востребованные инструменты и техники Data Science, чтобы трансформировать сырые данные в ценные инсайты. Используя Python и библиотеки Pandas, NumPy, Matplotlib и Scikit-learn, Вы научитесь собирать, обрабатывать, анализировать и визуализировать данные, а также находить скрытые закономерности.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Data Science»Учеников на курсе 2 801
Сертификаты, выданные на курсе «Data Science»Сертификатов выдано 0
Отзывы о курсе «Data Science»Отзывов получено 32
Рейтинг курса «Data Science»Рейтинг курса 4.750
Уроки в курсе «Data Science»Количество уроков 21
Тесты в курсе «Data Science»Количество квизов 22
Время прохождения курса «Data Science»Время прохождения курса —
Обновления курса «Data Science»Обновления курса — —
Дата публикации курса «Data Science»Дата публикации курса — ———
Последнее обновление курса «Data Science»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Data Science» 5 разделов Уроки в курсе «Data Science» 21 урок Тесты в курсе «Data Science» 22 теста Время прохождения курса «Data Science» 2 ч. Последнее обновление курса «Data Science» обн. 5 мая 2026

1. Что такое Data Science? И зачем?

2 урока
Закрытый
1.1 Что такое Data Science? И зачем это изучать? ↗
2 255
185
11м 5с
35
Закрытый
1.2 Как работать с курсом ↗
1 180
519
3м 1с
20

2. Машинное обучение с помощью Jupyter notebooks

5 уроков
Закрытый
2.1 Что такое Jupyter Notebook? ↗
1 166
188
3м 25с
20
Закрытый
2.2 Как запустить Jupyter Notebook ↗
1 006
851
1м 10с
14
Закрытый
2.3 Как работать с Jupyter Notebook ↗
908
485
8м 58с
21
Закрытый
2.4 Немного о библиотеках Jupyter Notebook ↗
747
573
3м 34с
17
Закрытый
2.5 Кто загрязняет данные и что с этим делать ↗
729
438
7м 13с
18

3. Первый шаг к машинному обучению

7 уроков
Закрытый
3.1 Машинное обучение ↗
816
452
9м 19с
25
Закрытый
3.2 Как работают модели в машинном обучении ↗
676
515
2м 30с
14
Закрытый
3.3 Базовое исследование данных ↗
640
356
7м 58с
12
Закрытый
3.4 Ваша первая модель машинного обучения ↗
601
323
7м 33с
15
Закрытый
3.5 Проверка модели ↗
486
286
6м 23с
11
Закрытый
3.6 Недообучение и переобучение ↗
431
264
5м 42с
9
Закрытый
3.7 Случайный лес ↗
413
261
2м 23с
7

4. Машинное обучение более продвинутого уровня

7 уроков
Закрытый
4.1 О чём этот модуль и с каким набором данных будем работать ↗
412
334
1м 16с
8
Закрытый
4.2 Работа с пропущенными значениями ↗
383
236
5м 24с
9
Закрытый
4.3 Категориальные переменные ↗
336
216
8м 43с
5
Закрытый
4.4 Конвейеры для очистки кода моделирования ↗
308
204
4м 35с
4
Закрытый
4.5 Перекрестная проверка ↗
280
198
4м 39с
3
Закрытый
4.6 Экстремальный градиентный бустинг (XGBoost) ↗
289
184
5м 11с
6
Закрытый
4.7 Утечка данных ↗
267
182
5м 10с
3

5. Заключение

2 урока
Закрытый
5.1 Заключительный урок ↗
143
143
1м 44с
1
Закрытый
5.2 Дополнительно! Простое машинное обучение | Обнаружение аномалий ↗
286
138
2м 14с
7