Курс на Stepik
Обложка курса «Основы машинного обучения: Python, Теория, Тесты» на Stepik
Бесплатно

Основы машинного обучения: Python, Теория, Тесты ★ 0.000

Открыть на
STEPIK.ORG

Данный курс составлен магистрами 2025 года выпуска с кафедры ИУ1 МГТУ им. Н.Э. Баумана преимущественно для таких же магистров с нашей кафедры, как и мы, которые в самом начале совершенно не понимали, что происходит и как все это работает. Другим случайно сюда попавшим людям тоже очень рады! Надеемся этот курс хоть как-то прояснит и структурирует ваши знания в этой области!

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Основы машинного обучения: Python, Теория, Тесты»Учеников на курсе 382
Сертификаты, выданные на курсе «Основы машинного обучения: Python, Теория, Тесты»Сертификатов выдано 0
Отзывы о курсе «Основы машинного обучения: Python, Теория, Тесты»Отзывов получено 0
Рейтинг курса «Основы машинного обучения: Python, Теория, Тесты»Рейтинг курса 0.000
Уроки в курсе «Основы машинного обучения: Python, Теория, Тесты»Количество уроков 38
Тесты в курсе «Основы машинного обучения: Python, Теория, Тесты»Количество квизов 145
Задачи с кодом в курсе «Основы машинного обучения: Python, Теория, Тесты»Количество задач с кодом 2
Время прохождения курса «Основы машинного обучения: Python, Теория, Тесты»Время прохождения курса —
Обновления курса «Основы машинного обучения: Python, Теория, Тесты»Обновления курса — —
Дата публикации курса «Основы машинного обучения: Python, Теория, Тесты»Дата публикации курса — ———
Последнее обновление курса «Основы машинного обучения: Python, Теория, Тесты»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Основы машинного обучения: Python, Теория, Тесты» 8 разделов Уроки в курсе «Основы машинного обучения: Python, Теория, Тесты» 38 уроков Тесты в курсе «Основы машинного обучения: Python, Теория, Тесты» 145 тестов Задачи в курсе «Основы машинного обучения: Python, Теория, Тесты» 2 задачи Время прохождения курса «Основы машинного обучения: Python, Теория, Тесты» 2 ч. Последнее обновление курса «Основы машинного обучения: Python, Теория, Тесты» обн. 18 мая 2026

1. Введение

5 уроков
Закрытый
1.1 Введение в машинное обучение ↗
269
90
2м 46с
0
Закрытый
1.2 Где заканчивается код и начинается обучение? ↗
118
75
3м 4с
0
Закрытый
1.3 Основные понятия ↗
101
64
6м 25с
0
Закрытый
1.4 Основные типы машинного обучения ↗
91
59
4м 57с
0
Закрытый
1.5 Машинное обучение в нашей жизни ↗
86
48
2м 57с
0

2. Предобработка данных

2 урока
Закрытый
2.1 Предобработка данных ↗
86
61
8м 27с
0
Закрытый
2.2 Метод главных компонент (PCA) ↗
72
72
2м 29с
0

3. Регрессия

6 уроков
Закрытый
3.1 Линейная регрессия ↗
81
38
2м 43с
0
Закрытый
3.2 Метод наименьших квадратов ↗
67
27
5м 2с
0
Закрытый
3.3 Нахождение коэффициентов линейной регрессии ↗
59
17
21м 54с
0
Закрытый
3.4 Пример решения задачи на классификацию ↗
48
2
1м 36с
0
Закрытый
3.5 Логистическая регрессия ↗
42
15
4м 3с
0
Закрытый
3.6 Тест ↗
35
11
9м 46с
0

4. Метод опорных векторов

2 урока
Закрытый
4.1 Теоретическая часть ↗
35
23
3м 4с
0
Закрытый
4.2 Тест ↗
24
9
3м 48с
0

5. Деревья решений

5 уроков
Закрытый
5.1 Основные понятия ↗
36
18
1м 19с
0
Закрытый
5.2 Вопросы по основным понятиям ↗
17
8
-
0
Закрытый
5.3 Построение визуального дерева решений с помощью LLM ↗
21
4
2м 35с
0
Закрытый
5.4 Деревья решений в Python ↗
22
8
1м 38с
0
Закрытый
5.5 Процесс построения дерева решения "под капотом" ↗
19
7
2м 28с
0

6. Метрики качества моделей

5 уроков
Закрытый
6.1 Введение ↗
24
24
0м 26с
0
Закрытый
6.2 Метрики для регрессионных моделей ↗
31
31
2м 36с
0
Закрытый
6.3 Метрики для классификационных моделей ↗
23
23
2м 40с
0
Закрытый
6.4 Метрики для кластеризации ↗
27
27
1м 0с
0
Закрытый
6.5 Тест: Метрики оценки качества моделей машинного обучения ↗
23
10
5м 14с
0

7. Кластеризация

3 урока
Закрытый
7.1 Кластерный анализ ↗
38
13
2м 22с
0
Закрытый
7.2 Метод k-средних ↗
28
6
5м 24с
0
Закрытый
7.3 Метод DBSCAN ↗
25
10
2м 46с
0

8. Нейронные сети

4 урока
Открытый
8.1 Самая простая моя первая нейронная сеть (FFN) ↗
22
3
1м 46с
0
Закрытый
8.2 Обработка функций - KAN Kolmogorov Arnold Network ↗
10
7
0м 14с
0
Закрытый
8.3 Графовые нейронные сети GNN ↗
10
7
3м 28с
0
Закрытый
8.4 резервуарные вычисления или как совместить дифур и нейронку ↗
10
7
0м 15с
0