Курс на Stepik
Обложка курса «Математика для Data science. Часть 1» на Stepik
990 ₽

Математика для Data science. Часть 1 ★ 5.000

Открыть на
STEPIK.ORG

Этот курс для тех, кто хочет начать изучение Data science, но не имеет достаточной математической подготовки. Курс включает базовые понятия и теорию, необходимые для понимания алгоритма линейной регрессии, а также много несложных упражнений для закрепления. В последнем модуле подробно разобрана простая линейная регрессия, включая создание проекта.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Математика для Data science. Часть 1»Учеников на курсе 49
Сертификаты, выданные на курсе «Математика для Data science. Часть 1»Сертификатов выдано 28
Отзывы о курсе «Математика для Data science. Часть 1»Отзывов получено 2
Рейтинг курса «Математика для Data science. Часть 1»Рейтинг курса 5.000
Уроки в курсе «Математика для Data science. Часть 1»Количество уроков 33
Тесты в курсе «Математика для Data science. Часть 1»Количество квизов 171
Время прохождения курса «Математика для Data science. Часть 1»Время прохождения курса —
Стоимость курса «Математика для Data science. Часть 1»Стоимость курса 990 ₽ —
Обновления курса «Математика для Data science. Часть 1»Обновления курса — —
Дата публикации курса «Математика для Data science. Часть 1»Дата публикации курса — ———
Последнее обновление курса «Математика для Data science. Часть 1»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Математика для Data science. Часть 1» 7 разделов Уроки в курсе «Математика для Data science. Часть 1» 33 урока Тесты в курсе «Математика для Data science. Часть 1» 171 тест Время прохождения курса «Математика для Data science. Часть 1» 2 ч. Последнее обновление курса «Математика для Data science. Часть 1» обн. 26 июля 2026

1. Введение

1 урок
Закрытый
1.1 О курсе ↗
23
14
3м 45с
0

2. Линейная функция и её график

5 уроков
Закрытый
2.1 Понятие функции ↗
17
10
10м 12с
0
Закрытый
2.2 Общий вид линейной функции ↗
10
5
3м 58с
0
Закрытый
2.3 Геометрический и практический смысл коэффициентов. ↗
5
4
-
0
Закрытый
2.4 Практическое применение ↗
4
4
-
0
Закрытый
2.5 Тестирование ↗
4
4
-
0

3. Матрицы и действия над ними

8 уроков
Закрытый
3.1 Понятие матрицы, размерность, виды матриц. ↗
4
4
-
0
Закрытый
3.2 Действия над матрицами. ↗
4
3
-
0
Закрытый
3.3 Транспонирование матриц ↗
3
3
-
0
Закрытый
3.4 Определители ↗
3
3
-
0
Закрытый
3.5 Обратная матрица ↗
3
2
-
0
Закрытый
3.6 Ранг матрицы ↗
3
3
-
0
Закрытый
3.7 Применение матричных вычислений в задачах линейной регрессии ↗
4
2
-
0
Закрытый
3.8 Тестирование ↗
3
3
-
0

4. Системы линейных алгебраических уравнений

6 уроков
Закрытый
4.1 Основные определения ↗
2
2
-
0
Закрытый
4.2 Матричная форма записи СЛАУ ↗
2
2
-
0
Закрытый
4.3 Метод Крамера ↗
2
2
-
0
Закрытый
4.4 Метод Гаусса ↗
2
2
-
0
Закрытый
4.5 Матричный метод ↗
2
2
-
0
Закрытый
4.6 Проблема вычислений в реальных задачах ↗
2
2
-
0

5. Простая линейная регрессия

6 уроков
Закрытый
5.1 Введение ↗
2
2
-
0
Закрытый
5.2 Визуализация данных ↗
2
2
-
0
Закрытый
5.3 Метод наименьших квадратов ↗
2
1
-
0
Закрытый
5.4 Метрики качества ↗
2
1
-
0
Закрытый
5.5 Создание проекта ↗
2
1
-
0
Закрытый
5.6 Тестирование ↗
2
1
-
0

6. Элементы математической статистики

6 уроков
Закрытый
6.1 Типы данных в Data Science ↗
2
2
-
0
Закрытый
6.2 Меры центральной тенденции ↗
2
1
-
0
Закрытый
6.3 Меры рассеяния данных ↗
2
1
-
0
Закрытый
6.4 Законы распределения и нормальное распределение ↗
2
1
-
0
Закрытый
6.5 Нормализации Z-score ↗
2
1
-
0
Закрытый
6.6 Тестирование ↗
2
1
-
0

7. Бонус

1 урок
Закрытый
7.1 Школа Data Science ↗
6
6
-
0