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 90
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