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 52
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)» 1 ч. Последнее обновление курса «Машинное обучение — Модуль 1 (Анализ данных)» обн. 5 марта 2026

1. Введение

2 урока
Закрытый
1.1 О курсе ↗
52
40
3м 17с
5
Закрытый
1.2 Среда разработки ↗
49
41
2м 32с
4

2. Сбор данных с использованием парсинга

5 уроков
Закрытый
2.1 Выбор источника данных ↗
47
40
2м 47с
2
Закрытый
2.2 Выбор метода парсинга ↗
47
41
3м 11с
3
Закрытый
2.3 Определение целевых данных ↗
38
27
4м 48с
2
Закрытый
2.4 Разработка скрипта парсинга ↗
36
2
30м 50с
2
Закрытый
2.5 Библиотека парсинга датасета ↗
23
19
1м 27с
3

3. Обзор данных

2 урока
Закрытый
3.1 Обзор датасета ↗
29
4
2м 28с
2
Закрытый
3.2 Библиотека для экспресс-анализа данных ↗
21
21
1м 59с
1

4. Очистка данных

4 урока
Закрытый
4.1 Важность и цель очистки данных. ↗
22
5
2м 1с
2
Закрытый
4.2 Входные параметры и целевая переменная ↗
20
3
1м 37с
1
Закрытый
4.3 Исключение скоррелированных параметров ↗
14
3
2м 7с
0
Закрытый
4.4 Методы заполнения пропущенных данных. ↗
15
4
2м 47с
2

5. Валидация данных

4 урока
Закрытый
5.1 Проверка качества с использованием статистики ↗
17
4
1м 4с
1
Закрытый
5.2 Проверка качества на моделях ↗
14
2
1м 54с
1
Закрытый
5.3 Анализ выбросов ↗
13
1
0м 12с
1
Закрытый
5.4 Анализ объема данных ↗
15
2
1м 3с
1

6. Добавление новых параметров

2 урока
Закрытый
6.1 Категориальные параметры: названия команд ↗
15
1
1м 46с
1
Закрытый
6.2 Генерация новых параметров ↗
11
1
0м 23с
1

7. Нормализация и стандартизация данных

2 урока
Закрытый
7.1 Приведение числовых данных к единому формату ↗
13
1
1м 47с
1
Закрытый
7.2 Преобразование категориальных признаков. ↗
8
1
-
1

8. Кластерный анализ

3 урока
Закрытый
8.1 Понижение размерности ↗
12
1
1м 41с
1
Закрытый
8.2 Кластерный анализ ↗
10
1
0м 9с
1
Закрытый
8.3 Генерация параметров на кластерах ↗
11
1
0м 3с
1

9. Балансировка данных

2 урока
Закрытый
9.1 Статистический анализ ↗
13
13
2м 40с
1
Закрытый
9.2 Балансировка данных ↗
12
1
0м 22с
1

10. Анализ данных АПЛ

1 урок
Закрытый
10.1 Цепочка предобработки и прогнозирование ↗
13
13
1м 51с
1

11. Заключение

1 урок
Закрытый
11.1 Дальнейшие планы ↗
21
21
1м 58с
2