Курс на Stepik
Обложка курса «Машинное обучение — Модуль 1 (Анализ данных)» на Stepik
500 ₽

Машинное обучение — Модуль 1 (Анализ данных) ★ 0.000

Открыть на
STEPIK.ORG

Данный курс является первым модулем из серии моих курсов по машинному обучению (ML). В этом курсе в качестве задачи будет рассматриваться прогнозирование в футбольной аналитике. Мы сосредоточимся на сборе данных, которые будут использоваться для прогнозирования в следующих модулях. Помимо сбора данных, мы также применим некоторые техники предобработки данных.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Машинное обучение — Модуль 1 (Анализ данных)»Учеников на курсе 55
Сертификаты, выданные на курсе «Машинное обучение — Модуль 1 (Анализ данных)»Сертификатов выдано 2
Отзывы о курсе «Машинное обучение — Модуль 1 (Анализ данных)»Отзывов получено 0
Рейтинг курса «Машинное обучение — Модуль 1 (Анализ данных)»Рейтинг курса 0.000
Уроки в курсе «Машинное обучение — Модуль 1 (Анализ данных)»Количество уроков 28
Задачи с кодом в курсе «Машинное обучение — Модуль 1 (Анализ данных)»Количество задач с кодом 37
Время прохождения курса «Машинное обучение — Модуль 1 (Анализ данных)»Время прохождения курса —
Стоимость курса «Машинное обучение — Модуль 1 (Анализ данных)»Стоимость курса 500 ₽ —
Обновления курса «Машинное обучение — Модуль 1 (Анализ данных)»Обновления курса — —
Дата публикации курса «Машинное обучение — Модуль 1 (Анализ данных)»Дата публикации курса — ———
Последнее обновление курса «Машинное обучение — Модуль 1 (Анализ данных)»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Машинное обучение — Модуль 1 (Анализ данных)» 11 разделов Уроки в курсе «Машинное обучение — Модуль 1 (Анализ данных)» 28 уроков Задачи в курсе «Машинное обучение — Модуль 1 (Анализ данных)» 37 задач Время прохождения курса «Машинное обучение — Модуль 1 (Анализ данных)» 2 ч. Последнее обновление курса «Машинное обучение — Модуль 1 (Анализ данных)» обн. 18 июля 2026

Введение

2 урока
1. О курсе ↗
2. Среда разработки ↗

Сбор данных с использованием парсинга

5 уроков
1. Выбор источника данных ↗
2. Выбор метода парсинга ↗
3. Определение целевых данных ↗
4. Разработка скрипта парсинга ↗
5. Библиотека парсинга датасета ↗

Обзор данных

2 урока
1. Обзор датасета ↗
2. Библиотека для экспресс-анализа данных ↗

Очистка данных

4 урока
1. Важность и цель очистки данных. ↗
2. Входные параметры и целевая переменная ↗
3. Исключение скоррелированных параметров ↗
4. Методы заполнения пропущенных данных. ↗

Валидация данных

4 урока
1. Проверка качества с использованием статистики ↗
2. Проверка качества на моделях ↗
3. Анализ выбросов ↗
4. Анализ объема данных ↗

Добавление новых параметров

2 урока
1. Категориальные параметры: названия команд ↗
2. Генерация новых параметров ↗

Нормализация и стандартизация данных

2 урока
1. Приведение числовых данных к единому формату ↗
2. Преобразование категориальных признаков. ↗

Кластерный анализ

3 урока
1. Понижение размерности ↗
2. Кластерный анализ ↗
3. Генерация параметров на кластерах ↗

Балансировка данных

2 урока
1. Статистический анализ ↗
2. Балансировка данных ↗

Анализ данных АПЛ

1 урок
1. Цепочка предобработки и прогнозирование ↗

Заключение

1 урок
1. Дальнейшие планы ↗