Курс на Stepik
Обложка курса «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python» на Stepik
Бесплатно

Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python ★ 4.667

Открыть на
STEPIK.ORG

Автор курса Руслан Сенаторов t.me/RuslanSenatorov, Преподаватель и Президент IT-организации(CEO) github.com/SENATOROVAI | Бесплатный курс по математике для data science,Машинное обучение, с нуля. Материалы курса основаны на открытых лекциях по "Линейная регрессия на Python.Градиентный спуск". практическую часть с разбором задач и применением алгоритмов с использованием библиотек(scikit-learn, pandas, matplotlib) Простая/Множественная линейная регрессия на python

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python»Учеников на курсе 808
Сертификаты, выданные на курсе «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python»Сертификатов выдано 0
Отзывы о курсе «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python»Отзывов получено 3
Рейтинг курса «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python»Рейтинг курса 4.667
Уроки в курсе «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python»Количество уроков 19
Тесты в курсе «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python»Количество квизов 11
Время прохождения курса «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python»Время прохождения курса —
Обновления курса «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python»Обновления курса — —
Дата публикации курса «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python»Дата публикации курса — ———
Последнее обновление курса «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python» 6 разделов Уроки в курсе «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python» 19 уроков Тесты в курсе «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python» 11 тестов Время прохождения курса «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python» 11 ч. Последнее обновление курса «Руслан Сенаторов: Data Science с нуля: Градиентный спуск. Python» обн. 7 мая 2026

1. Введение

1 урок
Закрытый
1.1 Регламент взаимодействия ↗
594
157
2м 25с
7

2. Простая линейная регрессия

1 урок
Закрытый
2.1 Реверс инжиниринг математики ↗
72
72
0м 3с
0

3. Математические основы линейной регрессии. Итеративный подход. ЧМ

8 уроков
Закрытый
3.1 1.Основные понятия, одномерная модель.Метод наименьших квадратов ↗
291
29
47м 15с
9
Закрытый
3.2 2.Теорема Гаусса-Маркова ↗
133
21
47м 11с
0
Закрытый
3.3 3. Эмпирический риск ↗
83
21
36м 24с
1
Закрытый
3.4 4.Частная производная.Гомоскедастичность и гетеро.Функция потерь ↗
61
16
47м 20с
0
Закрытый
3.5 5.Сравнение МАЕ и MSE.Градиент. Функция потерь. ↗
64
3
46м 22с
0
Закрытый
3.6 6.Одномерная линейная регрессия.Производная.Cost Function ↗
42
7
46м 57с
0
Закрытый
3.7 11.Преимущества и недостатки MAE и MSE. Критерий применения. ↗
36
5
46м 57с
0
Закрытый
3.8 12.Псевдообратная матрица Мура-Пенроуза.Нормальное уравнение. ↗
40
9
36м 0с
0

4. Имплементация python:Итеративная оптимизация.Градиентный спуск

6 уроков
Закрытый
4.1 7.Cost function.Критерий остановы.Гиперпараметр.Learning rate ↗
44
15
46м 7с
0
Закрытый
4.2 8.Алгоритм градиентного спуска ↗
37
16
46м 7с
0
Закрытый
4.3 9.Субградиент. Функция потерь МАЕ ↗
27
12
46м 7с
0
Закрытый
4.4 10.Стохастический градиентный спуск.Псевдообратная матрица Мура ↗
28
11
46м 7с
0
Закрытый
4.5 13.Ч1.Scikit-learn Machine Learning in Python.Линейная регрессия ↗
37
16
46м 7с
0
Закрытый
4.6 14.Ч2.Scikit-learn Machine Learning in Python.Линейная регрессия ↗
30
11
63м 42с
0

5. Если вам понравился курс...

1 урок
Закрытый
5.1 ...то... ↗
31
8
0м 3с
0

6. стажировка в IT-организации и Школа Data Science

1 урок
Закрытый
6.1 стажировка в IT-организации и Школа Data Science ↗
51
7
1м 4с
0