Чему вы научитесь
- Понятие линейной регрессии
- Что такое линейная модель
- Пример: предсказание цены квартиры по площади
- Целевая переменная и признаки
- Математическая формализация
- Уравнение прямой: y = w₀ + w₁x₁ + ... + wₙxₙ
- Ошибка модели (MSE,MAE)
- Градиентный спуск
- Практика в Python
- Загрузка и анализ датасета
- Построение простой линейной регрессии с scikit-learn
- Визуализация результатов
- Интерпретация коэффициентов модели
О курсе
Для кого этот курс
Начальные требования
Задавать вопросы можно тут
Преподаватели курса
6 715
Как проходит обучение
Что нужно будет делать на курсе
Повторять всё, что делается на видео
На каждой лекции преподаватель объясняет материал и параллельно пишет код.
Ваша задача — повторять за ним, шаг за шагом. Это ключ к пониманию и запоминанию.
Вести подробные конспекты
После каждой лекции нужно будет оформить краткий конспект:
-
основные идеи и формулы;
-
структура кода и пояснения;
-
ошибки, с которыми вы столкнулись, и как их решили.
Выполнять домашние задания
Домашние задания — это упрощённые или модифицированные версии задач, которые рассматривались на лекции. Вы это делаете самостоятельно!
Они помогают закрепить материал и подготовиться к следующему занятию.
Хранить свои проекты и решения в github
Рекомендуется организовать всё в одну структуру — папки по темам, Jupyter-ноутбуки, markdown-файлы с описаниями.
Что вы получите
- Математическую базу для машинного обучения.