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

Data Science 4.784

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 3 088
Сертификаты, выданные на курсе «Data Science»Сертификатов выдано 0
Отзывы о курсе «Data Science»Отзывов получено 37
Рейтинг курса «Data Science»Рейтинг курса 4.784
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

Что такое Data Science? И зачем?

2 урока
1. Что такое Data Science? И зачем это изучать?
2. Как работать с курсом

Машинное обучение с помощью Jupyter notebooks

5 уроков
1. Что такое Jupyter Notebook?
2. Как запустить Jupyter Notebook
3. Как работать с Jupyter Notebook
4. Немного о библиотеках Jupyter Notebook
5. Кто загрязняет данные и что с этим делать

Первый шаг к машинному обучению

7 уроков
1. Машинное обучение
2. Как работают модели в машинном обучении
3. Базовое исследование данных
4. Ваша первая модель машинного обучения
5. Проверка модели
6. Недообучение и переобучение
7. Случайный лес

Машинное обучение более продвинутого уровня

7 уроков
1. О чём этот модуль и с каким набором данных будем работать
2. Работа с пропущенными значениями
3. Категориальные переменные
4. Конвейеры для очистки кода моделирования
5. Перекрестная проверка
6. Экстремальный градиентный бустинг (XGBoost)
7. Утечка данных

Заключение

2 урока
1. Заключительный урок
2. Дополнительно! Простое машинное обучение | Обнаружение аномалий