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 5
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. 22 мая 2026

1. Введение

3 урока
Открытый
1.1 Регламент взаимодействия ↗
32
4
2м 59с
1
Открытый
1.2 Обзор курса ↗
25
25
0м 27с
1
Открытый
1.3 Школа Анализа Данных. Kaggle. arXiv. ↗
31
31
1м 31с
0

2. Глава1. Введение в регуляризацию.

3 урока
Открытый
2.1 Регуляризация в полиномиальной регрессии ↗
97
7
4м 40с
0
Закрытый
2.2 Компромисс между смещением и дисперсией (Bias-Variance Tradeoff) ↗
10
2
3м 49с
0
Закрытый
2.3 Регуляризация в линейной регрессии ↗
5
2
2м 9с
0

3. Глава 2. Bias variance tradeoff

1 урок
Закрытый
3.1 Анализ графика регуляризации ↗
6
2
5м 33с
0

4. Глава 3. Регуляризация Тихонова. L2. Ridge

2 урока
Закрытый
4.1 Регуляризация Тихонова. L2. Ridge ↗
5
2
3м 59с
0
Закрытый
4.2 Метод наименьших квадратов ↗
5
1
3м 32с
0

5. Глава 4. Гребневая регрессия vs Линейная регрессия

2 урока
Закрытый
5.1 Сравнение Python кода линейной и гребневой регрессии ↗
6
1
2м 19с
0
Закрытый
5.2 Сравнение графиков линейной и гребневой регрессии ↗
4
1
1м 22с
0

6. Глава 5. L2-регуляризация

5 уроков
Закрытый
6.1 Обзор формулы L2-регуляризации ↗
4
1
2м 42с
-1
Закрытый
6.2 Что такое L2-норма? ↗
3
1
3м 35с
0
Закрытый
6.3 L2-норма вектора на плоскости ↗
3
1
2м 12с
-1
Закрытый
6.4 L2-норма вектора в пространстве ↗
3
1
3м 44с
0
Закрытый
6.5 Ограничение через норму и квадрат нормы ↗
3
0
4м 37с
0

7. Глава 6. Геометрическая интерпретация L2-регуляризации

5 уроков
Закрытый
7.1 Что такое линии уровня? ↗
4
1
2м 29с
0
Закрытый
7.2 Геометрическая интерпретация регуляризации Тихонова ↗
3
1
8м 27с
0
Закрытый
7.3 Геометрическая интерпретация параметра регуляризации ↗
3
1
2м 24с
0
Закрытый
7.4 Уравнение окружности ↗
3
1
6м 22с
0
Закрытый
7.5 4D Геометрическая интерпретация регуляризации ↗
4
1
3м 25с
0

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

1 урок
Закрытый
8.1 Выводим формулу гребневой регрессии с нуля ↗
3
1
6м 58с
0

9. Глава 8. Солверы

11 уроков
Закрытый
9.1 Как работать с интерактивной оболочкой? ↗
3
3
2м 40с
0
Закрытый
9.2 Решатель: Нормальное уравнение. ↗
3
1
3м 20с
0
Закрытый
9.3 Python: Имплементация нормального уравнения в L2-регуляризации ↗
3
1
8м 59с
0
Закрытый
9.4 Решатель: Разложение Холецкого. ↗
3
0
5м 49с
0
Закрытый
9.5 Решатель: SVD. Сингулярное разложение матрицы ↗
3
1
6м 38с
0
Закрытый
9.6 Решатель: Градиентный спуск ↗
3
1
3м 28с
0
Закрытый
9.7 Python: Имплементация градиентного спуска в L2-регуляризации ↗
3
1
9м 24с
0
Закрытый
9.8 Решатель: SAG / SAGA ↗
1
0
4м 43с
0
Закрытый
9.9 Решатель: Метод сопряжённых градиентов ↗
2
0
22м 15с
0
Закрытый
9.10 Решатель: LSQR ↗
1
0
2м 32с
0
Закрытый
9.11 Геометрическая интерпретация коэффициентов регрессии ↗
3
1
4м 14с
0

10. Глава 9. Почему L2 не зануляет веса?

1 урок
Закрытый
10.1 Доказательство ↗
4
1
3м 3с
1

11. Глава 10. Мат. обоснование смещённой оценки

6 уроков
Закрытый
11.1 Теорема Гаусса-Маркова ↗
3
1
4м 30с
0
Закрытый
11.2 Bias: Cмещённая оценка гребневой регрессии. ↗
3
1
10м 10с
0
Закрытый
11.3 Ковариационная матрица. Ковариация против корреляции. ↗
3
1
9м 24с
0
Закрытый
11.4 Variance: Cмещённая оценка гребневой регрессии. ↗
3
1
5м 13с
1
Закрытый
11.5 Почему MSE гребневой регрессии меньше OLS? ↗
3
0
6м 5с
0
Закрытый
11.6 Почему линии уровня это эллипсы? ↗
2
1
2м 51с
0

12. Глава 11. Мультиколлинеарность и обусловленность

2 урока
Закрытый
12.1 Фактор инфляции дисперсии (VIF) — мера мультиколлинеарности ↗
3
1
4м 15с
0
Закрытый
12.2 Обусловленность (cond) ↗
3
1
2м 52с
0

13. Глава 12. СЛАУ и логарифмическая шкала

2 урока
Закрытый
13.1 Геометрический смысл СЛАУ ↗
3
0
4м 35с
0
Закрытый
13.2 Логарифмическая шкала и параметр регуляризации ↗
3
0
8м 37с
0

14. Глава 13. Почему гребневая?

3 урока
Закрытый
14.1 Почему называется Гребневая регрессия? ↗
3
0
3м 58с
0
Закрытый
14.2 Резюмируем ↗
3
0
2м 24с
0
Закрытый
14.3 Регуляризация в других моделях ML ↗
2
0
-
0

15. Если вам понравился курс...

1 урок
Закрытый
15.1 ...то... ↗
3
0
-
0

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

1 урок
Открытый
16.1 Data Science Bootcamp.IT-Сообщество.Машинное обучение(ML) ↗
14
1
3м 51с
1