Курс на Stepik
Обложка курса «Machine Learning и Data Science: подготовка к собеседованиям» на Stepik
5 000 ₽

Machine Learning и Data Science: подготовка к собеседованиям ★ 0.000

Открыть на
STEPIK.ORG

Курс для подготовки к техническим собеседованиям по Data Science и Machine Learning. Помогает не просто повторить теорию, а научиться давать чёткие и понятные ответы на интервью

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Machine Learning и Data Science: подготовка к собеседованиям»Учеников на курсе 21
Сертификаты, выданные на курсе «Machine Learning и Data Science: подготовка к собеседованиям»Сертификатов выдано 0
Отзывы о курсе «Machine Learning и Data Science: подготовка к собеседованиям»Отзывов получено 0
Рейтинг курса «Machine Learning и Data Science: подготовка к собеседованиям»Рейтинг курса 0.000
Уроки в курсе «Machine Learning и Data Science: подготовка к собеседованиям»Количество уроков 41
Тесты в курсе «Machine Learning и Data Science: подготовка к собеседованиям»Количество квизов 172
Задачи с кодом в курсе «Machine Learning и Data Science: подготовка к собеседованиям»Количество задач с кодом 9
Время прохождения курса «Machine Learning и Data Science: подготовка к собеседованиям»Время прохождения курса —
Стоимость курса «Machine Learning и Data Science: подготовка к собеседованиям»Стоимость курса 5 000 ₽ —
Обновления курса «Machine Learning и Data Science: подготовка к собеседованиям»Обновления курса — —
Дата публикации курса «Machine Learning и Data Science: подготовка к собеседованиям»Дата публикации курса — ———
Последнее обновление курса «Machine Learning и Data Science: подготовка к собеседованиям»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Machine Learning и Data Science: подготовка к собеседованиям» 9 разделов Уроки в курсе «Machine Learning и Data Science: подготовка к собеседованиям» 41 урок Тесты в курсе «Machine Learning и Data Science: подготовка к собеседованиям» 172 теста Задачи в курсе «Machine Learning и Data Science: подготовка к собеседованиям» 9 задач Время прохождения курса «Machine Learning и Data Science: подготовка к собеседованиям» 0 ч. Последнее обновление курса «Machine Learning и Data Science: подготовка к собеседованиям» обн. 19 апреля 2026

1. Введение

6 уроков
Закрытый
1.1 Описание курса и правил ↗
3
2
-
0
Закрытый
1.2 Процесс отбора в DS / ML ↗
3
3
-
0
Закрытый
1.3 Как проходит ML техническое интервью ↗
3
2
-
0
Закрытый
1.4 Что такое обучение ↗
2
2
-
0
Закрытый
1.5 Каким бывает машинное обучение ↗
2
1
-
0
Закрытый
1.6 Вопросы с собеседований ↗
2
2
-
0

2. Ориентация и формат технических собеседований

15 уроков
Закрытый
2.1 Описание курса и правил ↗
14
6
0м 16с
0
Закрытый
2.2 🔒 Пилотный поток (временный шаг) ↗
5
5
-
0
Закрытый
2.3 Процесс отбора в DS / ML ↗
8
7
-
0
Закрытый
2.4 Как проходит ML техническое интервью ↗
8
7
-
0
Закрытый
2.5 Что такое обучение ↗
8
6
-
0
Закрытый
2.6 Каким бывает машинное обучение ↗
8
5
-
0
Закрытый
2.7 Python 1 ↗
8
5
-
0
Закрытый
2.8 Python 2 ↗
8
2
-
0
Закрытый
2.9 Семинары по NumPy ↗
6
2
-
0
Закрытый
2.10 Семинар по matplotlib ↗
6
1
-
0
Закрытый
2.11 Семинар по pandas ↗
5
1
-
0
Закрытый
2.12 Математический анализ ↗
7
2
-
0
Закрытый
2.13 Вопросы с собеседований: математика ↗
7
5
-
0
Закрытый
2.14 Вопросы с собеседований: python ↗
7
5
-
0
Закрытый
2.15 Вопросы с собеседований: pandas ↗
7
5
-
0

3. Линейная регрессия и градиентный спуск

6 уроков
Закрытый
3.1 Обозначения ↗
1
1
-
0
Закрытый
3.2 Линейная регрессия ↗
1
1
-
0
Закрытый
3.3 Градиентный спуск ↗
1
1
-
0
Закрытый
3.4 Линейная регрессия и оптимизация ↗
1
1
-
0
Закрытый
3.5 Семинар. Оптимизация ↗
1
1
-
0
Закрытый
3.6 Вопросы с собеседований ↗
1
1
-
0

4. Логистическая регрессия и переобучение

6 уроков
Закрытый
4.1 Задача классификации ↗
1
0
-
0
Закрытый
4.2 Переобучение ↗
1
1
-
0
Закрытый
4.3 Регуляризация ↗
1
0
-
0
Закрытый
4.4 Отбор признаков ↗
1
1
-
0
Закрытый
4.5 Кросс-валидация ↗
1
1
-
0
Закрытый
4.6 Семинар. Реализация логистической регрессии ↗
1
0
-
0

5. Метрики качества

3 урока
Закрытый
5.1 Метрики качества регрессии ↗
1
0
-
0
Закрытый
5.2 Метрики качества классификации ↗
1
0
-
0
Закрытый
5.3 Семинар. Sklearn ↗
1
0
-
0

6. Решающие деревья

6 уроков
Закрытый
6.1 Идея решающих деревьев ↗
1
0
-
0
Закрытый
6.2 Обучение решающих деревьев ↗
1
1
-
0
Закрытый
6.3 Регуляризация решающих деревьев ↗
1
1
-
0
Закрытый
6.4 Обработка категориальных признаков ↗
1
1
-
0
Закрытый
6.5 Семинар. Решающие деревья (часть 1) ↗
1
0
-
0
Закрытый
6.6 Семинар. Решающие деревья (часть 2) ↗
1
1
-
0

7. Ансамбли

5 уроков
Закрытый
7.1 Смещение и разброс ↗
1
1
-
0
Закрытый
7.2 Уменьшение ошибки ансамблями ↗
1
1
-
0
Закрытый
7.3 Случайный лес ↗
1
0
-
0
Закрытый
7.4 Градиентный бустинг ↗
1
0
-
0
Закрытый
7.5 Семинар. Реализация ансамблей ↗
1
0
-
0

8. Обучение без учителя

3 урока
Закрытый
8.1 Задачи обучения без учителя ↗
1
1
-
0
Закрытый
8.2 Кластеризация ↗
1
1
-
0
Закрытый
8.3 Семинар. Кластеризация ↗
1
0
-
0

9. Экзамен.

1 урок
Закрытый
9.1 Задача ↗
1
0
-
0