Курс на Stepik
Обложка курса «Разработка ML сервиса: от идеи к прототипу» на Stepik
Бесплатно

Разработка ML сервиса: от идеи к прототипу 4.682

Открыть на
STEPIK.ORG

Буткемп проводится командой онлайн-магистратуры "Машинное обучение и высоконагруженные системы" факультета компьютерных наук Высшей школы экономики и знакомит с основами разведочного анализа данных

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Разработка ML сервиса: от идеи к прототипу»Учеников на курсе 4 658
Сертификаты, выданные на курсе «Разработка ML сервиса: от идеи к прототипу»Сертификатов выдано 0
Отзывы о курсе «Разработка ML сервиса: от идеи к прототипу»Отзывов получено 22
Рейтинг курса «Разработка ML сервиса: от идеи к прототипу»Рейтинг курса 4.682
Уроки в курсе «Разработка ML сервиса: от идеи к прототипу»Количество уроков 17
Тесты в курсе «Разработка ML сервиса: от идеи к прототипу»Количество квизов 29
Задачи с кодом в курсе «Разработка ML сервиса: от идеи к прототипу»Количество задач с кодом 6
Время прохождения курса «Разработка ML сервиса: от идеи к прототипу»Время прохождения курса
Обновления курса «Разработка ML сервиса: от идеи к прототипу»Обновления курса
Дата публикации курса «Разработка ML сервиса: от идеи к прототипу»Дата публикации курса
Последнее обновление курса «Разработка ML сервиса: от идеи к прототипу»Последнее обновление
Сложность easy

Содержание курса

Разделы в курсе «Разработка ML сервиса: от идеи к прототипу» 6 разделов Уроки в курсе «Разработка ML сервиса: от идеи к прототипу» 17 уроков Тесты в курсе «Разработка ML сервиса: от идеи к прототипу» 29 тестов Задачи в курсе «Разработка ML сервиса: от идеи к прототипу» 6 задач Время прохождения курса «Разработка ML сервиса: от идеи к прототипу» 8 ч. Последнее обновление курса «Разработка ML сервиса: от идеи к прототипу» обн. 1 год назад

Знакомство

1 урок
1. О курсе

Введение в машинное обучение

5 уроков
1. Введение
2. Основные понятия машинного обучения
3. Типы задач в машинном обучении
4. Схема проекта по машинному обучению
5. Оценка обобщающей способности модели

Разведочный анализ данных

3 урока
1. Обзор Python
2. Разведочный анализ данных
3. Домашнее задание

Модели машинного обучения

3 урока
1. Построение предсказательных моделей при помощи ML
2. Основы работы с Git
3. Домашнее задание

Презентация решения

3 урока
1. Фреймворк Streamlit
2. Домашнее задание
3. Голосование за лучшие работы

Финал

2 урока
1. Результаты
2. Что дальше?