Курс на Stepik
Обложка курса «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python» на Stepik
990 ₽

Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python ★ 5.000

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: Solver QR. Sklearn. Data Science. Python»Учеников на курсе 27
Сертификаты, выданные на курсе «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python»Сертификатов выдано 14
Отзывы о курсе «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python»Отзывов получено 5
Рейтинг курса «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python»Рейтинг курса 5.000
Уроки в курсе «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python»Количество уроков 45
Тесты в курсе «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python»Количество квизов 87
Задачи с кодом в курсе «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python»Количество задач с кодом 10
Время прохождения курса «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python»Время прохождения курса —
Стоимость курса «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python»Стоимость курса 990 ₽ —
Обновления курса «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python»Обновления курса — —
Дата публикации курса «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python»Дата публикации курса — ———
Последнее обновление курса «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python» 12 разделов Уроки в курсе «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python» 45 уроков Тесты в курсе «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python» 87 тестов Задачи в курсе «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python» 10 задач Время прохождения курса «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python» 4 ч. Последнее обновление курса «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python» обн. 22 мая 2026

1. Введение

3 урока
Открытый
1.1 Регламент взаимодействия ↗
32
6
2м 26с
1
Открытый
1.2 Обзор курса ↗
21
21
2м 46с
0
Открытый
1.3 Школа Анализа Данных. Kaggle. arXiv. ↗
32
32
1м 34с
0

2. Глава 1. Реверс-инжиниринг кода (Python+Numpy)

2 урока
Закрытый
2.1 Решение МНК с помощью QR-разложения ↗
12
1
1м 21с
0
Закрытый
2.2 процесс ортогонализации Грама - Шмидта: Основные понятия ↗
10
9
1м 2с
0

3. Глава 2. Скалярное произведение: основные понятия

10 уроков
Закрытый
3.1 Геометрический смысл cкалярного произведения ↗
10
8
2м 25с
0
Закрытый
3.2 Норма вектора, L2, Евклидова норма ↗
9
8
1м 15с
0
Закрытый
3.3 Как найти скалярное произведение векторов? ↗
9
7
2м 37с
0
Закрытый
3.4 Угол между векторами:Острый,Тупой,Прямой. Коллинеарность. ↗
9
8
6м 25с
0
Закрытый
3.5 Скалярный квадрат вектора ↗
9
7
1м 36с
0
Закрытый
3.6 Алгебраический смысл скалярного произведения ↗
9
7
1м 55с
0
Закрытый
3.7 Свойства скалярного произведения ↗
9
8
1м 55с
0
Закрытый
3.8 Рекомендательная система. Косинусное сходство векторов ↗
9
6
9м 14с
0
Закрытый
3.9 Ортогональность векторов. ↗
8
7
1м 52с
0
Закрытый
3.10 Ортогональный и Ортонормированный базис, система векторов ↗
8
6
2м 10с
0

4. Глава 3. Проекция

2 урока
Закрытый
4.1 Как найти проекцию вектора на вектор? ↗
8
7
5м 53с
0
Открытый
4.2 Косинус угла. Выводим с нуля формулу проекции. ↗
66
6
6м 9с
2

5. Глава 4.QR-разложение. Метод грама-шмидта

12 уроков
Закрытый
5.1 Основные понятия. ↗
8
7
2м 30с
0
Закрытый
5.2 Задача наименьших квадратов ↗
9
6
3м 16с
0
Закрытый
5.3 QR-разложение. Выводим формулу с нуля ↗
8
6
4м 42с
0
Закрытый
5.4 Алгоритм Грама-Шмидта ↗
8
4
2м 11с
0
Закрытый
5.5 Матрица 3х3. Квадратная. QR-разложение ↗
8
7
13м 56с
0
Закрытый
5.6 Матрица 3х2. Прямоугольная. Высокая и узкая. QR-разложение ↗
7
6
6м 21с
0
Закрытый
5.7 Матрица 2х2. Квадратная. QR-разложение ↗
7
6
7м 6с
0
Закрытый
5.8 Матрица 3х3. Квадратная. QR-разложение ↗
8
6
3м 33с
0
Закрытый
5.9 QR-разложение с повотором (pivoting) ↗
8
6
11м 50с
0
Закрытый
5.10 Редуцированное QR ↗
7
5
1м 16с
0
Закрытый
5.11 Геометрический смысл Грама-Шмидта ↗
9
6
9м 2с
0
Закрытый
5.12 Линейная оболочка.Span. ↗
7
1
9м 23с
0

6. Глава 5. Реверс-инжиниринг кода (Python+Numpy)

8 уроков
Закрытый
6.1 Явное обращение матрицы VS система линейных уравнений ↗
8
5
4м 5с
0
Закрытый
6.2 scipy.linalg.lstsq. Изучаем ядро библиотеки lapack: gelsy ↗
8
1
3м 26с
0
Закрытый
6.3 Шаг 0. Подключаем датасэт и читаем CSV ↗
8
1
4м 2с
0
Закрытый
6.4 Шаг 1. Разведочный анализ(EDA). Стандартное отклонение.Дисперсия ↗
7
6
18м 15с
0
Закрытый
6.5 Шаг 2. Подготовка данных. Sklearn.preprocessing.MinMaxScaler ↗
6
5
10м 53с
0
Закрытый
6.6 Шаг 3. Построение модели ML.Sikit-learn.linaer regression ↗
6
6
6м 45с
0
Закрытый
6.7 Шаг 4. Метрики: MAE,MSE,RMSE, R2 ↗
7
7
11м 9с
0
Закрытый
6.8 Шаг 5. QR-разложение VS Ridge регуляризация ↗
6
6
11м 46с
0

7. Глава 6.Реверс-инжиниринг кода (Python+Numpy)

2 урока
Закрытый
7.1 Test №1 Perfomance qr vs normal equation ↗
7
1
6м 30с
0
Закрытый
7.2 Test №2 Perfomance qr vs normal equation ↗
7
1
3м 7с
0

8. Глава 7. Асимптотика. Сравнительный анализ.

1 урок
Закрытый
8.1 Плюсы, Минусы, Где применяется ↗
10
7
38м 27с
0

9. QR Algorithm для поиска Eigenvectors

1 урок
Закрытый
9.1 Открываем новые возможности QR ↗
7
4
-
0

10. Если вам понравился курс...

1 урок
Открытый
10.1 ...то... ↗
21
4
0м 3с
0

11. стажировка в IT-организации и Школа Data Science

1 урок
Открытый
11.1 стажировка в IT-организации и Школа Data Science ↗
24
4
1м 4с
1

12. Разложение Холецкого

1 урок
Закрытый
12.1 Разложение Холецкого ↗
9
9
-
0