Курс на Stepik
Обложка курса «Нейросети с нуля: машинное обучение на Python» на Stepik
Бесплатно

Нейросети с нуля: машинное обучение на Python ★ 5.000

Открыть на
STEPIK.ORG

Практический вход в нейросети с нуля: ml для начинающих на Python, без тяжёлой математики. 22 урока — анализ данных python, графики и машинное обучение python на scikit-learn / sklearn python. В конце сохраните модель нейросети в файл на диске.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Нейросети с нуля: машинное обучение на Python»Учеников на курсе 470
Сертификаты, выданные на курсе «Нейросети с нуля: машинное обучение на Python»Сертификатов выдано 0
Отзывы о курсе «Нейросети с нуля: машинное обучение на Python»Отзывов получено 1
Рейтинг курса «Нейросети с нуля: машинное обучение на Python»Рейтинг курса 5.000
Уроки в курсе «Нейросети с нуля: машинное обучение на Python»Количество уроков 23
Тесты в курсе «Нейросети с нуля: машинное обучение на Python»Количество квизов 66
Время прохождения курса «Нейросети с нуля: машинное обучение на Python»Время прохождения курса —
Обновления курса «Нейросети с нуля: машинное обучение на Python»Обновления курса — —
Дата публикации курса «Нейросети с нуля: машинное обучение на Python»Дата публикации курса — ———
Последнее обновление курса «Нейросети с нуля: машинное обучение на Python»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Нейросети с нуля: машинное обучение на Python» 1 раздел Уроки в курсе «Нейросети с нуля: машинное обучение на Python» 23 урока Тесты в курсе «Нейросети с нуля: машинное обучение на Python» 66 тестов Время прохождения курса «Нейросети с нуля: машинное обучение на Python» 8 ч. Последнее обновление курса «Нейросети с нуля: машинное обучение на Python» обн. 29 октября 2026

Основы ML

23 урока
1. Введение в ML ↗
2. Чтение и первичная чистка данных. Знакомство с Pandas ↗
3. Категориальные/числовые признаки, агрегации ↗
4. Визуализация без лишнего (matplotlib) ↗
5. Мини-бейзлайны и метрики ↗
6. Разбиение данных и утечки ↗
7. Decision Trees: Деревья решений ↗
8. Метрики классификации ↗
9. Дисбаланс классов и пороги ↗
10. Linear Regression (линейная регрессия): основы ↗
11. Метрики регрессии ↗
12. Feature engineering ↗
13. Pipeline и ColumnTransformer ↗
14. Подбор гиперпараметров (Grid/Random) ↗
15. Logistic Regression ↗
16. Random Forest ↗
17. CatBoost ↗
18. Интерпретация ансамблей (SHAP) ↗
19. PCA: Кластеризация ↗
20. K-means и силуэт ↗
21. DBSCAN, t-SNE, UMAP ↗
22. Кластеризация как продуктовый инструмент ↗
23. Итоговый проект ↗