Курс на Stepik
Обложка курса «Математика для Data Science и Machine Learning на Python Часть 1» на Stepik
Бесплатно

Математика для Data Science и Machine Learning на Python Часть 1 ★ 0.000

Открыть на
STEPIK.ORG

Курс для тех, кто хочет разобраться в математической базе Data Science и Machine Learning без лишней академичности. В первой части вы быстро вспомните школьную базу, разберёте векторы, матрицы, линейную регрессию, производные и градиентный спуск через Python и практические примеры.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Математика для Data Science и Machine Learning на Python Часть 1»Учеников на курсе 116
Сертификаты, выданные на курсе «Математика для Data Science и Machine Learning на Python Часть 1»Сертификатов выдано 0
Отзывы о курсе «Математика для Data Science и Machine Learning на Python Часть 1»Отзывов получено 0
Рейтинг курса «Математика для Data Science и Machine Learning на Python Часть 1»Рейтинг курса 0.000
Уроки в курсе «Математика для Data Science и Machine Learning на Python Часть 1»Количество уроков 29
Тесты в курсе «Математика для Data Science и Machine Learning на Python Часть 1»Количество квизов 12
Время прохождения курса «Математика для Data Science и Machine Learning на Python Часть 1»Время прохождения курса —
Обновления курса «Математика для Data Science и Machine Learning на Python Часть 1»Обновления курса — —
Дата публикации курса «Математика для Data Science и Machine Learning на Python Часть 1»Дата публикации курса — ———
Последнее обновление курса «Математика для Data Science и Machine Learning на Python Часть 1»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Математика для Data Science и Machine Learning на Python Часть 1» 4 раздела Уроки в курсе «Математика для Data Science и Machine Learning на Python Часть 1» 29 уроков Тесты в курсе «Математика для Data Science и Machine Learning на Python Часть 1» 12 тестов Время прохождения курса «Математика для Data Science и Machine Learning на Python Часть 1» 0 ч. Последнее обновление курса «Математика для Data Science и Machine Learning на Python Часть 1» обн. 12 июля 2026

Модуль 1. Быстрый старт: школьная база, Python и первые графики

4 урока
1. Урок 1.1. Как проходить курс и где математика живёт в ML ↗
2. Урок 1.2. Данные как таблица чисел ↗
3. Урок 1.3. Школьная база за один урок: степени, логарифмы, уравне ↗
4. Урок 1.4. Первая модель руками: линия для предсказания цены ↗

Модуль 2. Векторы и матрицы

10 уроков
1. Урок 2.1. Вектор как объект с признаками ↗
2. Урок 2.2. Операции с векторами: сложение, вычитание, длина ↗
3. Урок 2.3. Скалярное произведение и предсказание модели ↗
4. Урок 2.4. Косинусная близость и похожесть объектов ↗
5. Урок 2.5. Зачем нужны матрицы в Data Science ↗
6. Урок 2.6. Что такое матрица и её размерность ↗
7. Урок 2.7. Основные операции с матрицами ↗
8. Урок 2.8. Умножение матрицы на вектор ↗
9. Урок 2.9. Умножение матриц, обратная матрица и ранг без перегруз ↗
10. Мини-проект модуля 2. Предсказания через матричное умножение ↗

Модуль 3. Системы линейных уравнений и линейная регрессия

8 уроков
1. Урок 3.1. Система линейных уравнений за один урок ↗
2. Урок 3.2. Почему в реальных данных точного решения нет ↗
3. Урок 3.3. Идея линейной регрессии ↗
4. Урок 3.4. Ошибка модели и MSE ↗
5. Урок 3.5. Линейная регрессия в матричном виде ↗
6. Урок 3.6. Линейная регрессия через sklearn ↗
7. Урок 3.7. Несколько признаков в линейной регрессии ↗
8. Мини-проект модуля 3. Линейная регрессия для цены квартиры ↗

Модуль 4. Производные, градиентный спуск и финальный проект

7 уроков
1. Урок 4.1. Производная простым языком ↗
2. Урок 4.2. Численная производная ↗
3. Урок 4.3. Производная функции ошибки ↗
4. Урок 4.4. Градиентный спуск для одного параметра ↗
5. Урок 4.5. Функции многих переменных и градиент ↗
6. Урок 4.6. Градиентный спуск для линейной регрессии с нуля ↗
7. Урок 4.7. Сравнение своей модели и sklearn ↗