Курс на Stepik
Обложка курса «Линейные модели и их презентация» на Stepik
1 900 ₽

Линейные модели и их презентация 5.000

Открыть на
STEPIK.ORG

Классические линейные модели машинного обучения появились давно, но никогда не выйдут из моды и активно используются во многих проектах. На курсе вы узнаете о том, как устроены линейные модели, научитесь применять их на практике, интерпретировать и оборачивать в веб-сервисы.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Линейные модели и их презентация»Учеников на курсе 187
Сертификаты, выданные на курсе «Линейные модели и их презентация»Сертификатов выдано 10
Отзывы о курсе «Линейные модели и их презентация»Отзывов получено 1
Рейтинг курса «Линейные модели и их презентация»Рейтинг курса 5.000
Уроки в курсе «Линейные модели и их презентация»Количество уроков 29
Тесты в курсе «Линейные модели и их презентация»Количество квизов 62
Задачи с кодом в курсе «Линейные модели и их презентация»Количество задач с кодом 10
Время прохождения курса «Линейные модели и их презентация»Время прохождения курса
Стоимость курса «Линейные модели и их презентация»Стоимость курса 1 900 ₽
Обновления курса «Линейные модели и их презентация»Обновления курса
Дата публикации курса «Линейные модели и их презентация»Дата публикации курса
Последнее обновление курса «Линейные модели и их презентация»Последнее обновление
Сложность normal

Содержание курса

Разделы в курсе «Линейные модели и их презентация» 11 разделов Уроки в курсе «Линейные модели и их презентация» 29 уроков Тесты в курсе «Линейные модели и их презентация» 62 теста Задачи в курсе «Линейные модели и их презентация» 10 задач Время прохождения курса «Линейные модели и их презентация» 33 ч. Последнее обновление курса «Линейные модели и их презентация» обн. 30 августа 2026

О курсе

3 урока
1. О курсе
2. Тест по Python
3. Тест по Pandas

Задача регрессии. Начало

2 урока
1. Задача регрессии. Линейная регрессия
2. Домашнее задание - 1

ООП в Python

5 уроков
1. Декораторы. Классы
2. Домашнее задание - 2
3. Наследование. Абстрактные классы. Аннотация типов
4. Домашнее задание - 3
5. Домашнее задание - 4

Регрессия. Продолжение

2 урока
1. Метрики качества регрессии и интерпретация моделей
2. Домашнее задание - 5

Фреймоворк Streamlit

3 урока
1. Начало работы со Streamlit
2. Функции и виджеты
3. Домашнее задание - 6

SQL

3 урока
1. Знакомство с Docker
2. Основы SQL
3. Домашнее задание - 7

Линейная классификация. Логистическая регрессия

2 урока
1. Линейная классификация. Логистическая регрессия
2. Домашнее задание - 8

Фреймворк FastApi

4 урока
1. Знакомство с FastAPI
2. Работа с хранилищем данных. SQLAlchemy
3. PostgreSQL + FastAPI + Streamlit. Деплой сервиса
4. Домашнее задание

Интерпретация моделей классификации

3 урока
1. Интерпретация моделей классификации
2. Продвинутые (интегральные) метрики классификации
3. Домашнее задание - 10

Итоговый проект

1 урок
1. Задание

Дополнительные материалы

1 урок
1. Полезные ссылки