Курс на Stepik
Обложка курса «Python для машинного обучения. Начальный» на Stepik
2 500 ₽

Python для машинного обучения. Начальный ★ 0.000

Открыть на
STEPIK.ORG

Машинное обучение это популярнейшее и востребованное направление в сфере IT, с использованием языка Python. Курс написан так, чтобы материал могли освоить даже начинающие. Мы не будем очень глубоко погружаться в математику. Будем брать только ту теорию, которая нужна на практике и разбирать будем на несложных примерах.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Python для машинного обучения. Начальный»Учеников на курсе 4
Сертификаты, выданные на курсе «Python для машинного обучения. Начальный»Сертификатов выдано 0
Отзывы о курсе «Python для машинного обучения. Начальный»Отзывов получено 0
Рейтинг курса «Python для машинного обучения. Начальный»Рейтинг курса 0.000
Уроки в курсе «Python для машинного обучения. Начальный»Количество уроков 42
Время прохождения курса «Python для машинного обучения. Начальный»Время прохождения курса —
Стоимость курса «Python для машинного обучения. Начальный»Стоимость курса 2 500 ₽ —
Обновления курса «Python для машинного обучения. Начальный»Обновления курса — —
Дата публикации курса «Python для машинного обучения. Начальный»Дата публикации курса — ———
Последнее обновление курса «Python для машинного обучения. Начальный»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Python для машинного обучения. Начальный» 9 разделов Уроки в курсе «Python для машинного обучения. Начальный» 42 урока Время прохождения курса «Python для машинного обучения. Начальный» 2 ч. Последнее обновление курса «Python для машинного обучения. Начальный» обн. 19 апреля 2026

1. Введение в машинное обучение

7 уроков
Закрытый
1.1 Что такое машинное обучение ↗
5
2
6м 31с
0
Закрытый
1.2 Особенности машинного обучения ↗
4
4
3м 7с
0
Закрытый
1.3 Машинное обучение и другие дисциплины ↗
3
3
3м 48с
0
Закрытый
1.4 Что означает понятие обучение ↗
3
3
3м 28с
0
Закрытый
1.5 Свойства модели машинного обучения ↗
3
3
2м 45с
0
Закрытый
1.6 Что необходимо для машинного обучения ↗
2
2
3м 4с
0
Закрытый
1.7 Какие бывают виды машинного обучения ↗
2
2
6м 16с
0

2. Особенности регрессии как задачи машинного обучения

6 уроков
Закрытый
2.1 Что такое регрессия ↗
2
2
3м 50с
0
Закрытый
2.2 Постановка задачи регрессии ↗
1
1
2м 51с
0
Закрытый
2.3 Виды регрессии ↗
1
1
4м 44с
0
Закрытый
2.4 Что такое функция ошибки ↗
2
2
2м 5с
0
Закрытый
2.5 Решение задачи регресии на практике ↗
1
1
13м 31с
0
Закрытый
2.6 Домашнее задание ↗
0
0
-
0

3. Особенности классификации как задачи машинного обучения

5 уроков
Закрытый
3.1 Что такое классификация ↗
1
0
2м 13с
0
Закрытый
3.2 Свойства задачи классификации ↗
0
0
1м 5с
0
Закрытый
3.3 Понятие логистической регрессии ↗
1
1
2м 29с
0
Закрытый
3.4 Что такое граница принятия решений ↗
0
0
1м 27с
0
Закрытый
3.5 Решение задачи классификации на практике ↗
0
0
8м 47с
0

4. Модели полиномиальной регрессии и классификации

3 урока
Закрытый
4.1 Что такое полиномиальная модель ↗
1
0
3м 43с
0
Закрытый
4.2 Решение задачи полиномиальной парной регрессии на практике ↗
1
1
5м 25с
0
Закрытый
4.3 Решение задачи полиномиальной классификации на практике ↗
1
1
6м 34с
0

5. Метод опорных векторов

5 уроков
Закрытый
5.1 Метод опорных векторов с линейно разделимыми классами ↗
1
0
7м 25с
0
Закрытый
5.2 Задача с линейно разделимыми классами ↗
1
1
4м 53с
0
Закрытый
5.3 Метод опорных векторов с линейно неразделимыми классами ↗
1
1
1м 14с
0
Закрытый
5.4 Задача с линейно неразделимыми классами с зазором ↗
1
1
2м 46с
0
Закрытый
5.5 Задача с линейно неразделимыми классами без зазора ↗
1
1
2м 46с
0

6. Перцептрон

2 урока
Закрытый
6.1 Что такое перцептрон ↗
1
0
6м 41с
0
Закрытый
6.2 Решение задачи машинного обучения с помощью перцептрона ↗
1
1
5м 3с
0

7. Деревья решений

3 урока
Закрытый
7.1 Что такое деревья решений ↗
1
0
3м 25с
0
Закрытый
7.2 Деревья решений для задачи классификации ↗
2
2
3м 36с
0
Закрытый
7.3 Деревья решений для задачи регрессии ↗
1
1
2м 53с
0

8. K ближайших соседей

2 урока
Закрытый
8.1 В чем суть метода K ближайших соседей ↗
2
0
4м 45с
0
Закрытый
8.2 Решение задачи методом K ближайших соседей на практике ↗
1
1
3м 3с
0

9. Наивная байесовская модель

2 урока
Закрытый
9.1 В чем суть метода наивного Байеса ↗
2
0
1м 0с
0
Закрытый
9.2 Решение задачи наивного Байеса на практике ↗
1
1
2м 11с
0