Содержание пакета (4 курса)
4
курса
99
уроков
1093
теста
17
задач
14 ч.
1. Практический Machine Learning
9
30
372
4
Введение в машинное обучение
4 урока
1.
Основные понятия ML
↗
2.
Типы задач: регрессия, классификация, кластеризация
↗
3.
Этапы ML-проекта
↗
4.
Оценка качества моделей
↗
Анализ и подготовка данных
4 урока
1.
Разведочный анализ данных (EDA)
↗
2.
Обработка пропусков
↗
3.
Нормализация и масштабирование
↗
4.
Кодирование категориальных признаков
↗
Линейные модели
4 урока
1.
Линейная регрессия
↗
2.
Регуляризация (L1, L2)
↗
3.
Градиентный спуск
↗
4.
Логистическая регрессия
↗
Метрики и оценка моделей
3 урока
1.
Метрики регрессии
↗
2.
Метрики классификации
↗
3.
Кросс-валидация
↗
Базовые алгоритмы
2 урока
1.
K-ближайших соседей (KNN)
↗
2.
Метод опорных векторов (SVM)
↗
Деревья решений и ансамбли
3 урока
1.
Решающие деревья
↗
2.
Случайный лес
↗
3.
Градиентный бустинг
↗
Современные реализации бустинга
3 урока
1.
LightBoost
↗
2.
XGBoost
↗
3.
CatBoost
↗
Снижение размерности
2 урока
1.
Метод главных компонент (PCA)
↗
2.
Визуализация данных
↗
Кластеризация
3 урока
1.
K-means
↗
2.
Иерархическая кластеризация
↗
3.
DBSCAN
↗
Итоговый проект
2 урока
1.
Финальный проект
↗
2.
Обратная связь
↗
2. Разведочный анализ данных 5.00
17
20
202
13
1 ч.
О курсе и вводная подготовка
1 урок
1.
Что такое EDA
↗
Математическая и техническая база
2 урока
1.
Тест по математике (минимум необходимый)
↗
2.
Тест по Python
↗
Основы работы с данными
4 урока
1.
Типы данных, измерения и структура датасета
↗
2.
Pandas: ключевые операции
↗
3.
Polars: быстрый анализ больших данных
↗
4.
Подведение итогов модуля
↗
Проверка качества данных
3 урока
1.
Работа с пропусками — полный набор техник
↗
2.
Дубликаты, ошибки и “грязные” данные
↗
3.
Домашнее задание
↗
Визуализация данных
5 уроков
1.
Matplotlib/Seaborn: базовые графики
↗
2.
Plotly: интерактивные графики
↗
3.
Pairplot, jointplot, тепловые карты
↗
4.
Ошибки визуализации
↗
5.
Домашнее задание
↗
Глубокий анализ признаков
5 уроков
1.
Анализ числовых признаков
↗
2.
Анализ категориальных признаков
↗
3.
Взаимосвязь категориальных и числовых признаков
↗
4.
Выявление выбросов и аномалий
↗
5.
Домашнее задание
↗
3. Статистика для собеседований 5.00
117
32
349
7 ч.
Введение в прикладную статистику
5 уроков
1.
Основные понятия: генеральная совокупность, выборка, параметры
↗
2.
Виды данных: категориальные, числовые, дискретные
↗
3.
Мера центральной тенденции: среднее, медиана, мода
↗
4.
Разброс: дисперсия, стандартное отклонение, IQR
↗
5.
Практика: Вычислить ключевые статистики вручную
↗
Распределения вероятностей
7 уроков
1.
Что такое распределение и зачем оно нужно
↗
2.
Нормальное распределение: свойства, Z-оценки
↗
3.
Биномиальное, Бернулли, Пуассон
↗
4.
Равномерное, экспоненциальное
↗
5.
ЦПТ: как объяснить интервьюеру
↗
6.
Практика: Определить распределение по графику/описанию
↗
7.
Типичные вопросы с собеседований
↗
Оценивание и доверительные интервалы
2 урока
1.
Доверительный интервал для среднего, для доли
↗
2.
Понятие Bootstrap в статистике
↗
Гипотезы и статистические тесты
9 уроков
1.
Что такое гипотеза: H0 и H1
↗
2.
Ошибки 1 и 2 рода, уровень значимости, power
↗
3.
p-value: как правильно объяснять
↗
4.
t-тест: для чего нужен и как применять
↗
5.
Z-тест, χ²-тест, F-тест
↗
6.
A/B-тестирование: полный разбор
↗
7.
Практика: провести A/B-тест в Python
↗
8.
Типичные вопросы интервью: часть 1
↗
9.
Типичные вопросы интервью: часть 2
↗
Корреляция и регрессия
5 уроков
1.
Корреляция Пирсона, Спирмена, Кендалла
↗
2.
Ковариация и как её объяснять
↗
3.
Линейная регрессия: базовые идеи
↗
4.
Линейная регрессия: мультиколлинеарность, VIF
↗
5.
Вопросы интервью по корреляции и регрессии
↗
Итоговая практика
4 урока
1.
Мини-собеседование: 30 типичных вопросов (часть 1)
↗
2.
Мини-собеседование: 30 типичных вопросов (часть 2)
↗
3.
Практическое задание: провести A/B тест
↗
4.
Обратная связь
↗
4. Теория вероятностей для собеседований 5.00
126
17
170
6 ч.
Базовые основы
4 урока
1.
Пространство исходов и события
↗
2.
Классическая вероятность и частота
↗
3.
Правило сложения и умножения событий
↗
4.
Условная вероятность
↗
Независимость и ключевые формулы
3 урока
1.
Независимые события и примеры
↗
2.
Формула полной вероятности
↗
3.
Формула Байеса
↗
Классические задачи собеседований
4 урока
1.
Задачи с собеседований: Монетки и кубики
↗
2.
Задачи с собеседований: Урны и шары
↗
3.
Задачи с собеседований: Колода карт
↗
4.
Задачи с собеседований: Дни рождения и парадоксы
↗
Распределения и ожидания
4 урока
1.
Случайная величина и матожидание
↗
2.
Дискретные распределения
↗
3.
Непрерывные распределения
↗
4.
Задачи с ожиданием
↗
Итоговый блок
2 урока
1.
Итоговый тест
↗
2.
Обратная связь
↗