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 28
Сертификаты, выданные на курсе «Руслан Сенаторов: Solver QR. Sklearn. Data Science. Python»Сертификатов выдано 15
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. 21 июля 2026

Введение

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

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

2 урока
1. Решение МНК с помощью QR-разложения
2. процесс ортогонализации Грама - Шмидта: Основные понятия

Глава 2. Скалярное произведение: основные понятия

10 уроков
1. Геометрический смысл cкалярного произведения
2. Норма вектора, L2, Евклидова норма
3. Как найти скалярное произведение векторов?
4. Угол между векторами:Острый,Тупой,Прямой. Коллинеарность.
5. Скалярный квадрат вектора
6. Алгебраический смысл скалярного произведения
7. Свойства скалярного произведения
8. Рекомендательная система. Косинусное сходство векторов
9. Ортогональность векторов.
10. Ортогональный и Ортонормированный базис, система векторов

Глава 3. Проекция

2 урока
1. Как найти проекцию вектора на вектор?
2. Косинус угла. Выводим с нуля формулу проекции.

Глава 4.QR-разложение. Метод грама-шмидта

12 уроков
1. Основные понятия.
2. Задача наименьших квадратов
3. QR-разложение. Выводим формулу с нуля
4. Алгоритм Грама-Шмидта
5. Матрица 3х3. Квадратная. QR-разложение
6. Матрица 3х2. Прямоугольная. Высокая и узкая. QR-разложение
7. Матрица 2х2. Квадратная. QR-разложение
8. Матрица 3х3. Квадратная. QR-разложение
9. QR-разложение с повотором (pivoting)
10. Редуцированное QR
11. Геометрический смысл Грама-Шмидта
12. Линейная оболочка.Span.

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

8 уроков
1. Явное обращение матрицы VS система линейных уравнений
2. scipy.linalg.lstsq. Изучаем ядро библиотеки lapack: gelsy
3. Шаг 0. Подключаем датасэт и читаем CSV
4. Шаг 1. Разведочный анализ(EDA). Стандартное отклонение.Дисперсия
5. Шаг 2. Подготовка данных. Sklearn.preprocessing.MinMaxScaler
6. Шаг 3. Построение модели ML.Sikit-learn.linaer regression
7. Шаг 4. Метрики: MAE,MSE,RMSE, R2
8. Шаг 5. QR-разложение VS Ridge регуляризация

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

2 урока
1. Test №1 Perfomance qr vs normal equation
2. Test №2 Perfomance qr vs normal equation

Глава 7. Асимптотика. Сравнительный анализ.

1 урок
1. Плюсы, Минусы, Где применяется

QR Algorithm для поиска Eigenvectors

1 урок
1. Открываем новые возможности QR

Если вам понравился курс...

1 урок
1. ...то...

стажировка в IT-организации и Школа Data Science

1 урок
1. стажировка в IT-организации и Школа Data Science

Разложение Холецкого

1 урок
1. Разложение Холецкого