Курс на Stepik
Обложка курса «Python для машинного обучения. Начальный» на Stepik
200 ₽

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 16
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 200 ₽ —
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. 24 сентября 2026

Введение в машинное обучение

7 уроков
1. Что такое машинное обучение ↗
2. Особенности машинного обучения ↗
3. Машинное обучение и другие дисциплины ↗
4. Что означает понятие обучение ↗
5. Свойства модели машинного обучения ↗
6. Что необходимо для машинного обучения ↗
7. Какие бывают виды машинного обучения ↗

Особенности регрессии как задачи машинного обучения

6 уроков
1. Что такое регрессия ↗
2. Постановка задачи регрессии ↗
3. Виды регрессии ↗
4. Что такое функция ошибки ↗
5. Решение задачи регресии на практике ↗
6. Домашнее задание ↗

Особенности классификации как задачи машинного обучения

5 уроков
1. Что такое классификация ↗
2. Свойства задачи классификации ↗
3. Понятие логистической регрессии ↗
4. Что такое граница принятия решений ↗
5. Решение задачи классификации на практике ↗

Модели полиномиальной регрессии и классификации

3 урока
1. Что такое полиномиальная модель ↗
2. Решение задачи полиномиальной парной регрессии на практике ↗
3. Решение задачи полиномиальной классификации на практике ↗

Метод опорных векторов

5 уроков
1. Метод опорных векторов с линейно разделимыми классами ↗
2. Задача с линейно разделимыми классами ↗
3. Метод опорных векторов с линейно неразделимыми классами ↗
4. Задача с линейно неразделимыми классами с зазором ↗
5. Задача с линейно неразделимыми классами без зазора ↗

Перцептрон

2 урока
1. Что такое перцептрон ↗
2. Решение задачи машинного обучения с помощью перцептрона ↗

Деревья решений

3 урока
1. Что такое деревья решений ↗
2. Деревья решений для задачи классификации ↗
3. Деревья решений для задачи регрессии ↗

K ближайших соседей

2 урока
1. В чем суть метода K ближайших соседей ↗
2. Решение задачи методом K ближайших соседей на практике ↗

Наивная байесовская модель

2 урока
1. В чем суть метода наивного Байеса ↗
2. Решение задачи наивного Байеса на практике ↗