Курс на Stepik
Обложка курса «Машинное обучение с учителем для аналитиков и Data Scientist» на Stepik
999 ₽

Машинное обучение с учителем для аналитиков и Data Scientist ★ 0.000

Открыть на
STEPIK.ORG

Курс машинного обучения с учителем (supervised learning) на Python с нуля для аналитиков данных и будущих Data Scientist: pandas и numpy, EDA и предобработка, линейная и логистическая регрессия, деревья, случайный лес и градиентный бустинг (XGBoost, LightGBM, CatBoost), kNN, наивный Байес, SVM, кросс-валидация и подбор гиперпараметров (Grid/Random/Optuna), временные ряды как регрессия, метрики качества и ООП-estimator в стиле scikit-learn. Всё на пальцах: аналогия, картинка, формула по буквам, код и практика в браузере с автопроверкой.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Машинное обучение с учителем для аналитиков и Data Scientist»Учеников на курсе 2
Сертификаты, выданные на курсе «Машинное обучение с учителем для аналитиков и Data Scientist»Сертификатов выдано 1
Отзывы о курсе «Машинное обучение с учителем для аналитиков и Data Scientist»Отзывов получено 0
Рейтинг курса «Машинное обучение с учителем для аналитиков и Data Scientist»Рейтинг курса 0.000
Уроки в курсе «Машинное обучение с учителем для аналитиков и Data Scientist»Количество уроков 52
Тесты в курсе «Машинное обучение с учителем для аналитиков и Data Scientist»Количество квизов 327
Задачи с кодом в курсе «Машинное обучение с учителем для аналитиков и Data Scientist»Количество задач с кодом 265
Стоимость курса «Машинное обучение с учителем для аналитиков и Data Scientist»Стоимость курса 999 ₽ —
Обновления курса «Машинное обучение с учителем для аналитиков и Data Scientist»Обновления курса — —
Дата публикации курса «Машинное обучение с учителем для аналитиков и Data Scientist»Дата публикации курса — ———
Последнее обновление курса «Машинное обучение с учителем для аналитиков и Data Scientist»Последнее обновление — ———

Чему вы научитесь

  • Работать с данными на Python: pandas, numpy, разведочный анализ (EDA), предобработка и feature engineering
  • Обучать модели с учителем: линейная и логистическая регрессия, деревья, случайный лес, градиентный бустинг (XGBoost/LightGBM/CatBoost), kNN, наивный Байес, SVM
  • Выбирать и считать метрики: MAE, MSE, RMSE, R², accuracy, precision, recall, F1, ROC-AUC, log-loss, macro/weighted
  • Честно оценивать модель: train/test, кросс-валидация, регуляризация, подбор гиперпараметров (Grid/Random/Optuna)
  • Прогнозировать временные ряды как регрессию: лаги, скользящее среднее, time-based split без утечки времени
  • Писать свои классы-модели (ООП в стиле scikit-learn): fit/predict, наследование, совместимость с пайплайнами

О курсе

Курс машинного обучения с учителем (supervised learning) на Python с нуля для аналитиков данных и будущих Data Scientist: pandas и numpy, EDA и предобработка, линейная и логистическая регрессия, деревья, случайный лес и градиентный бустинг (XGBoost, LightGBM, CatBoost), kNN, наивный Байес, SVM, кросс-валидация и подбор гиперпараметров (Grid/Random/Optuna), временные ряды как регрессия, метрики качества и ООП-estimator в стиле scikit-learn. Всё на пальцах: аналогия, картинка, формула по буквам, код и практика в браузере с автопроверкой.

Для кого этот курс

Аналитики данных и Data Scientist — действующие и будущие, — которые хотят уверенно обучать, оценивать и улучшать модели; продуктовые и маркетинговые аналитики; студенты, разработчики и тестировщики, осваивающие machine learning на Python с нуля. Подходит и тем, кто метит в Data Science, и тем, кому классические курсы по ML кажутся слишком сложными.

Начальные требования

Базовый Python: переменные, списки, циклы, функции, ввод/вывод. Математика — школьный уровень, остальное объясняем по ходу. Знать ML заранее не нужно — начинаем с библиотек и первой модели.

Преподаватели курса

Аватар Заскуль Питона
Заскуль Питона
★ 4.7
8 курсов 1 548
→

Как проходит обучение

16 модулей по нарастающей сложности: короткая теория простыми словами с понятными визуализациями → проверочные вопросы (одиночный и множественный выбор, сопоставление) → задачи на Python прямо в браузере с автопроверкой, подсказкой и эталонным решением. Внутри — сквозной проект (предсказание цены квартиры), тренажёр продвинутых задач и шпаргалки-справочники, к которым возвращаются в работе.

Сертификат курса Машинное обучение с учителем для аналитиков и Data Scientist

Сертификат

Успешно завершив курс, вы получите сертификат от платформы Stepik. Уже 1 учеников получили сертификат.

Нагрузка

30–45 часов в свободном темпе

Расскажите о курсе друзьям