Курс на Stepik
Обложка курса «Python: алгоритмизация и программирование (первый шаг к ML)» на Stepik
2 000 ₽

Python: алгоритмизация и программирование (первый шаг к ML) ★ 0.000

Открыть на
STEPIK.ORG

Курс программирования на Python для будущих специалистов по данным: от переменных и циклов до NumPy, Pandas и математики для машинного обучения — статистики, линейной алгебры и теории вероятностей в коде.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Python: алгоритмизация и программирование (первый шаг к ML)»Учеников на курсе 26
Сертификаты, выданные на курсе «Python: алгоритмизация и программирование (первый шаг к ML)»Сертификатов выдано 0
Отзывы о курсе «Python: алгоритмизация и программирование (первый шаг к ML)»Отзывов получено 0
Рейтинг курса «Python: алгоритмизация и программирование (первый шаг к ML)»Рейтинг курса 0.000
Уроки в курсе «Python: алгоритмизация и программирование (первый шаг к ML)»Количество уроков 50
Тесты в курсе «Python: алгоритмизация и программирование (первый шаг к ML)»Количество квизов 339
Стоимость курса «Python: алгоритмизация и программирование (первый шаг к ML)»Стоимость курса 2 000 ₽ —
Обновления курса «Python: алгоритмизация и программирование (первый шаг к ML)»Обновления курса — —
Дата публикации курса «Python: алгоритмизация и программирование (первый шаг к ML)»Дата публикации курса — ———
Последнее обновление курса «Python: алгоритмизация и программирование (первый шаг к ML)»Последнее обновление — ———

Содержание курса

Разделы в курсе «Python: алгоритмизация и программирование (первый шаг к ML)» 10 разделов Уроки в курсе «Python: алгоритмизация и программирование (первый шаг к ML)» 50 уроков Тесты в курсе «Python: алгоритмизация и программирование (первый шаг к ML)» 339 тестов Последнее обновление курса «Python: алгоритмизация и программирование (первый шаг к ML)» обн. 8 октября 2026

Введение в программирование. Основы Python и среда разработки

5 уроков
1. Что такое программирование и алгоритмы ↗
2. Среда разработки: Anaconda, Jupyter Notebook, Google Colab ↗
3. Первая программа. Переменные, типы данных, присваивание ↗
4. Операторы, выражения, ввод и вывод данных ↗
5. Стиль кода и отладка ↗

Управляющие конструкции. Функции и декомпозиция

6 уроков
1. Логические выражения и условный оператор if/elif/else ↗
2. Циклы for и while. range, break, continue ↗
3. Вложенные циклы и типовые циклические схемы ↗
4. Функции: def, параметры, return ↗
5. Области видимости, lambda, docstring, импорт модулей ↗
6. Декомпозиция задач ↗

Структуры данных. Строки, файлы, исключения

5 уроков
1. Списки и кортежи: индексация, срезы, методы ↗
2. Словари и множества ↗
3. List comprehensions и обработка строк ↗
4. Исключения: try/except/finally ↗
5. Файлы: чтение и запись. Форматы CSV и JSON ↗

Основы алгоритмизации: поиск, сортировка, сложность

5 уроков
1. Понятие сложности алгоритма. Big-O «на пальцах» ↗
2. Поиск: линейный и двоичный ↗
3. Сортировка: от пузырьковой до sorted(key=...) ↗
4. Рекурсия: возможности и ограничения ↗
5. Минимум ООП и работа с модулями ↗

NumPy: векторизация и численные вычисления

4 урока
1. Знакомство с NumPy. Массив ndarray и способы создания ↗
2. Индексация, срезы и булевы маски ↗
3. Векторизация и broadcasting ↗
4. Агрегирование и математические функции. np.random ↗

Линейная алгебра в Python

5 уроков
1. Векторы: скалярное произведение, норма, расстояние ↗
2. Матрицы и матричные операции ↗
3. Данные как матрица «объекты × признаки» ↗
4. Определитель, обратная матрица, решение СЛАУ ↗
5. Собственные значения ↗

Матанализ, оптимизация: производная, интеграл, градиентный спуск

5 уроков
1. Числовая функция в Python. Предел численным экспериментом ↗
2. Производная: численное и символьное дифференцирование ↗
3. Экстремумы функций и идея оптимизации ↗
4. Численное интегрирование ↗
5. Градиент и градиентный спуск ↗

Теория вероятностей и статистика в Python

6 уроков
1. Основы комбинаторики и классическая вероятность ↗
2. Случайные события и моделирование. random и np.random ↗
3. Распределения: равномерное, биномиальное, нормальное ↗
4. Выборки и центральная предельная теорема ↗
5. Описательная статистика и корреляция ↗
6. Основы scipy.stats и метод наименьших квадратов ↗

Pandas: обработка и анализ табличных данных

6 уроков
1. Знакомство с Pandas. Series, DataFrame, загрузка данных ↗
2. Индексация и выбор данных: loc, iloc, условия ↗
3. Модификация данных и работа с пропусками ↗
4. Группировка и агрегация: groupby ↗
5. Объединение таблиц: merge, concat. Сводные таблицы ↗
6. Даты и временные ряды ↗

Визуализация данных (Matplotlib/Seaborn)

3 урока
1. Основы Matplotlib: анатомия фигуры ↗
2. Выбор типа графика под задачу. Принципы хорошей визуализации ↗
3. Seaborn: распределения, связи и тепловая карта корреляций ↗