Содержание курса
17
разделов
62
урока
92
теста
2 ч.
обн. 24 апреля 2026
1. Важная информация
2 урока
1 007
1 007
2м
6
Закрытый
1.1
Для кого этот курс?
↗
699
699
2м 33с
4
Закрытый
1.2
Проверка дз и сертификат
↗
308
308
1м 38с
2
2. Классический градиентный бустинг
4 урока
740
441
23м
8
Закрытый
2.1
Функция потерь и базовая идея бустинга
↗
297
129
2м 22с
3
Закрытый
2.2
Классический алгоритм бустинга
↗
178
97
11м 33с
3
Закрытый
2.3
Разные функции потерь, Learning rate и бустинг на деревьях
↗
134
84
9м 44с
2
Закрытый
2.4
Практика: Реализация M‑Regression Boosting
↗
131
131
2м 33с
0
3. Модификации градиентного бустинга
4 урока
358
195
10м
2
Закрытый
3.1
XGBoost
↗
117
48
2м 56с
0
Закрытый
3.2
LightGBM
↗
77
45
5м 6с
1
Закрытый
3.3
Catboost
↗
83
44
2м 32с
0
Закрытый
3.4
Практика: Поиск отточных пользователей(Churn prediction)
↗
81
58
1м 14с
1
4. Бустинг с GPU и нейронные сети
4 урока
270
214
5м
0
Закрытый
4.1
Новое в бустингах и особенности обучения на GPU
↗
78
39
2м 9с
0
Закрытый
4.2
Нейронные сети для табличных данных
↗
75
58
1м 32с
0
Закрытый
4.3
Практика: Самый быстрый бустинг
↗
63
63
1м 20с
0
Закрытый
4.4
Практика: Устойчивость бустинга к выбросам в данных
↗
54
54
1м 2с
0
5. Введение во временные ряды
6 уроков
408
292
16м
7
Закрытый
5.1
Временные ряды и последовательные данные
↗
88
52
7м 12с
2
Закрытый
5.2
Построение тренда ряда
↗
74
48
4м 31с
1
Закрытый
5.3
Практика: Реализация 2 видов тренда
↗
66
66
0м 27с
0
Закрытый
5.4
Основы статистики и проверка гипотез
↗
68
36
3м 2с
2
Закрытый
5.5
Практика: Проверка значимости коэффициентов тренда
↗
58
58
1м 54с
1
Закрытый
5.6
Вычисление сезонности и цикличности
↗
54
32
1м 21с
1
6. Стационарность и моделирование ряда
3 урока
136
88
10м
2
Закрытый
6.1
Стационарность во временных рядах
↗
50
26
5м 14с
1
Закрытый
6.2
Практика: Проверка ряда на стационарность
↗
39
39
1м 26с
1
Закрытый
6.3
Модели временных рядов
↗
47
23
3м 54с
0
7. Последовательные данные
2 урока
87
64
9м
0
Закрытый
7.1
Особенности обучения моделей на последовательных данных
↗
49
26
7м 14с
0
Закрытый
7.2
Практика: Проверка признаков на стабильность во времени
↗
38
38
1м 27с
0
8. Обучение представлений и эмбеддинги
2 урока
84
44
1м
1
Закрытый
8.1
Введение в эмбеддинги
↗
51
23
1м 36с
1
Закрытый
8.2
Введение в обучение представлений
↗
33
21
1м 52с
0
9. Обработка текста и бучение моделей представлений
6 уроков
197
149
7м
0
Закрытый
9.1
Базовые понятия обработки текстов
↗
34
23
1м 21с
0
Закрытый
9.2
Word2Vec
↗
33
21
1м 25с
0
Закрытый
9.3
FastText, Glove и BERT
↗
31
19
1м 17с
0
Закрытый
9.4
Практика: Классификация документов
↗
34
34
2м 36с
0
Закрытый
9.5
Векторные представления из картинок и временных рядов
↗
32
19
1м 2с
0
Закрытый
9.6
Практика: Классификация фотографий
↗
33
33
1м 38с
0
10. Оценка качества эмбеддингов и использование в CatBoost
3 урока
102
81
5м
0
Закрытый
10.1
Оценка качества эмбеддингов
↗
39
26
1м 57с
0
Закрытый
10.2
Практика: Оценка качества эмбеддингов
↗
32
32
3м 2с
0
Закрытый
10.3
Эмбеддинги в Catboost
↗
31
23
1м 50с
0
11. Снижение размерности, классические подходы
5 уроков
111
55
6м
0
Закрытый
11.1
Введение в обучение без учителя и понижение размерности
↗
30
13
1м 50с
0
Закрытый
11.2
Линейное снижение размерности
↗
20
12
3м 11с
0
Закрытый
11.3
Случайные проекции
↗
18
11
1м 1с
0
Закрытый
11.4
PCA
↗
24
10
1м 56с
0
Закрытый
11.5
LDA
↗
19
9
0м 17с
0
12. Снижение размерности, T-SNE и UMAP
3 урока
63
28
3м
0
Закрытый
12.1
Нелинейное снижение размерности, SNE и T-SNE
↗
23
10
1м 39с
0
Закрытый
12.2
Нелинейное снижение размерности, UMAP
↗
18
10
2м 43с
0
Закрытый
12.3
Практика: Визуализация сложных геометрических структур
↗
22
8
0м 20с
0
13. Кластеризация, введение и базовые алгоритмы
4 урока
28
17
0м
0
Закрытый
13.1
Задача кластеризации
↗
8
5
-
0
Закрытый
13.2
Алгоритм K-means и его модификации
↗
8
4
-
0
Закрытый
13.3
Иерархическая кластеризация
↗
6
4
-
0
Закрытый
13.4
Плотностная кластеризация
↗
6
4
-
0
14. Кластеризация, другие алгоритмы
2 урока
15
8
0м
0
Закрытый
14.1
Спектральная кластеризация
↗
8
4
-
0
Закрытый
14.2
Grid-based и Ансамблевая кластеризация
↗
7
4
-
0
15. Кластеризация, оценка результата
4 урока
39
30
1м
0
Закрытый
15.1
Оценка результата кластеризации
↗
10
5
0м 5с
0
Закрытый
15.2
Итог и этапы решения задачи кластеризации
↗
9
5
-
0
Закрытый
15.3
Практика: Кластеризация ИИ текстов
↗
9
9
-
0
Закрытый
15.4
Практика: Кластеризация сегментов на группы
↗
11
11
0м 27с
0
16. Детекция аномалий, постановка задачи и основные алгоритмы
4 урока
4
0
0м
0
Закрытый
16.1
Постановка задачи детекции аномалий
↗
1
0
-
0
Закрытый
16.2
Статистический анализ для детекции аномалий
↗
1
0
-
0
Закрытый
16.3
Подходы основанные на поиске ближайших соседей
↗
1
0
-
0
Закрытый
16.4
Model-based approaches
↗
1
0
-
0
17. Другие аспекты детекции аномалий
2 урока
0
0
0м
0
Закрытый
17.1
Поиск аномалий во временных рядах
↗
0
0
-
0
Закрытый
17.2
Поиск ошибок в разметке данных
↗
0
0
-
0