Курс на Stepik
Обложка курса «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science» на Stepik
990 ₽

Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science 0.000

Открыть на
STEPIK.ORG

🟥🟨🟩Революция в ML.От «чёрного ящика» к полному пониманию математики машинного обучения через реверс-инжиниринг ML-модели. Вывод с нуля всех формул + Python.Меня зовут Руслан Сенаторов и в 2025 году я разработал новую систему обучения в области Data Science. Вместо традиционного "сверху вниз через теорию" мы начинаем с готовых решений в scikit-learn и разбираем их "изнутри",чтобы понять принципы работы и математику которая лежит в их основе с полного нуля.Это позволяет значительно сократить время обучения

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science»Учеников на курсе 25
Сертификаты, выданные на курсе «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science»Сертификатов выдано 6
Отзывы о курсе «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science»Отзывов получено 0
Рейтинг курса «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science»Рейтинг курса 0.000
Уроки в курсе «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science»Количество уроков 51
Тесты в курсе «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science»Количество квизов 344
Задачи с кодом в курсе «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science»Количество задач с кодом 5
Время прохождения курса «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science»Время прохождения курса
Стоимость курса «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science»Стоимость курса 990 ₽
Обновления курса «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science»Обновления курса
Дата публикации курса «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science»Дата публикации курса
Последнее обновление курса «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science»Последнее обновление
Сложность easy

Содержание курса

Разделы в курсе «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science» 16 разделов Уроки в курсе «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science» 51 урок Тесты в курсе «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science» 344 теста Задачи в курсе «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science» 5 задач Время прохождения курса «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science» 4 ч. Последнее обновление курса «Руслан Сенаторов: L2-regularization. Ridge. Sklearn.Data Science» обн. 21 июля 2026

Введение

3 урока
1. Регламент взаимодействия
2. Обзор курса
3. Школа Анализа Данных. Kaggle. arXiv.

Глава1. Введение в регуляризацию.

3 урока
1. Регуляризация в полиномиальной регрессии
2. Компромисс между смещением и дисперсией (Bias-Variance Tradeoff)
3. Регуляризация в линейной регрессии

Глава 2. Bias variance tradeoff

1 урок
1. Анализ графика регуляризации

Глава 3. Регуляризация Тихонова. L2. Ridge

2 урока
1. Регуляризация Тихонова. L2. Ridge
2. Метод наименьших квадратов

Глава 4. Гребневая регрессия vs Линейная регрессия

2 урока
1. Сравнение Python кода линейной и гребневой регрессии
2. Сравнение графиков линейной и гребневой регрессии

Глава 5. L2-регуляризация

5 уроков
1. Обзор формулы L2-регуляризации
2. Что такое L2-норма?
3. L2-норма вектора на плоскости
4. L2-норма вектора в пространстве
5. Ограничение через норму и квадрат нормы

Глава 6. Геометрическая интерпретация L2-регуляризации

5 уроков
1. Что такое линии уровня?
2. Геометрическая интерпретация регуляризации Тихонова
3. Геометрическая интерпретация параметра регуляризации
4. Уравнение окружности
5. 4D Геометрическая интерпретация регуляризации

Глава 7. Мат. обоснование и вывод формул с нуля.

1 урок
1. Выводим формулу гребневой регрессии с нуля

Глава 8. Солверы

11 уроков
1. Как работать с интерактивной оболочкой?
2. Решатель: Нормальное уравнение.
3. Python: Имплементация нормального уравнения в L2-регуляризации
4. Решатель: Разложение Холецкого.
5. Решатель: SVD. Сингулярное разложение матрицы
6. Решатель: Градиентный спуск
7. Python: Имплементация градиентного спуска в L2-регуляризации
8. Решатель: SAG / SAGA
9. Решатель: Метод сопряжённых градиентов
10. Решатель: LSQR
11. Геометрическая интерпретация коэффициентов регрессии

Глава 9. Почему L2 не зануляет веса?

1 урок
1. Доказательство

Глава 10. Мат. обоснование смещённой оценки

6 уроков
1. Теорема Гаусса-Маркова
2. Bias: Cмещённая оценка гребневой регрессии.
3. Ковариационная матрица. Ковариация против корреляции.
4. Variance: Cмещённая оценка гребневой регрессии.
5. Почему MSE гребневой регрессии меньше OLS?
6. Почему линии уровня это эллипсы?

Глава 11. Мультиколлинеарность и обусловленность

2 урока
1. Фактор инфляции дисперсии (VIF) — мера мультиколлинеарности
2. Обусловленность (cond)

Глава 12. СЛАУ и логарифмическая шкала

2 урока
1. Геометрический смысл СЛАУ
2. Логарифмическая шкала и параметр регуляризации

Глава 13. Почему гребневая?

3 урока
1. Почему называется Гребневая регрессия?
2. Резюмируем
3. Регуляризация в других моделях ML

Если вам понравился курс...

1 урок
1. ...то...

Школа Data Science .IT-Сообщество.Машинное обучение(ML)

1 урок
1. Data Science Bootcamp.IT-Сообщество.Машинное обучение(ML)