Курс на Stepik
Обложка курса «Математика для Data science. Часть 1» на Stepik
490 ₽

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 55
Сертификаты, выданные на курсе «Математика для Data science. Часть 1»Сертификатов выдано 35
Отзывы о курсе «Математика для Data science. Часть 1»Отзывов получено 3
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 490 ₽
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» 3 ч. Последнее обновление курса «Математика для Data science. Часть 1» обн. 17 августа 2026

Введение

1 урок
1. О курсе

Линейная функция и её график

5 уроков
1. Понятие функции
2. Общий вид линейной функции
3. Геометрический и практический смысл коэффициентов.
4. Практическое применение
5. Тестирование

Матрицы и действия над ними

8 уроков
1. Понятие матрицы, размерность, виды матриц.
2. Действия над матрицами.
3. Транспонирование матриц
4. Определители
5. Обратная матрица
6. Ранг матрицы
7. Применение матричных вычислений в задачах линейной регрессии
8. Тестирование

Системы линейных алгебраических уравнений

6 уроков
1. Основные определения
2. Матричная форма записи СЛАУ
3. Метод Крамера
4. Метод Гаусса
5. Матричный метод
6. Проблема вычислений в реальных задачах

Простая линейная регрессия

6 уроков
1. Введение
2. Визуализация данных
3. Метод наименьших квадратов
4. Метрики качества
5. Создание проекта
6. Тестирование

Элементы математической статистики

6 уроков
1. Типы данных в Data Science
2. Меры центральной тенденции
3. Меры рассеяния данных
4. Законы распределения и нормальное распределение
5. Нормализации Z-score
6. Тестирование

Бонус

1 урок
1. Школа Data Science