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 ↗