Курс на Stepik
Обложка курса «Нейросети с нуля: учим компьютер предсказывать на Python» на Stepik
Бесплатно

Нейросети с нуля: учим компьютер предсказывать 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: учим компьютер предсказывать на Python»Учеников на курсе 351
Сертификаты, выданные на курсе «Нейросети с нуля: учим компьютер предсказывать на Python»Сертификатов выдано 0
Отзывы о курсе «Нейросети с нуля: учим компьютер предсказывать на Python»Отзывов получено 1
Рейтинг курса «Нейросети с нуля: учим компьютер предсказывать на Python»Рейтинг курса 5.000
Уроки в курсе «Нейросети с нуля: учим компьютер предсказывать на Python»Количество уроков 23
Тесты в курсе «Нейросети с нуля: учим компьютер предсказывать на Python»Количество квизов 66
Время прохождения курса «Нейросети с нуля: учим компьютер предсказывать на Python»Время прохождения курса
Обновления курса «Нейросети с нуля: учим компьютер предсказывать на Python»Обновления курса
Дата публикации курса «Нейросети с нуля: учим компьютер предсказывать на Python»Дата публикации курса
Последнее обновление курса «Нейросети с нуля: учим компьютер предсказывать на Python»Последнее обновление
Сложность easy

Содержание курса

Разделы в курсе «Нейросети с нуля: учим компьютер предсказывать на Python» 1 раздел Уроки в курсе «Нейросети с нуля: учим компьютер предсказывать на Python» 23 урока Тесты в курсе «Нейросети с нуля: учим компьютер предсказывать на Python» 66 тестов Время прохождения курса «Нейросети с нуля: учим компьютер предсказывать на Python» 8 ч. Последнее обновление курса «Нейросети с нуля: учим компьютер предсказывать на Python» обн. 7 сентября 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