Сколько стоит курс «Руслан Сенаторов: Solver Subgradient Descent. Lasso. ElasticNet»?

Стоимость курса составляет 890.00 рублей

Выдаётся ли сертификат по окончании курса?

Да, при успешном завершении курса выдаётся сертификат от платформы Stepik. На данный момент 1 учеников получили сертификат (50.0% завершаемость).

Где можно пройти курс «Руслан Сенаторов: Solver Subgradient Descent. Lasso. ElasticNet»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/298631.

Курс на Stepik

Обложка курса «Руслан Сенаторов: Solver Subgradient Descent. Lasso. ElasticNet» на Stepik

890 ₽

Руслан Сенаторов: Solver Subgradient Descent. Lasso. ElasticNet ★ 0.000

Name: Руслан Сенаторов: Solver Subgradient Descent. Lasso. ElasticNet
Price: 890.00 RUB
Availability: InStock
Rating: 0 (0 reviews)

Открыть на
STEPIK.ORG

Практический курс по линейной регрессии и регуляризации: прогнозы, остатки, MAE и MSE, работа с выбросами, Ridge, Lasso, ElasticNet, субградиенты, coordinate и proximal gradient descent, кросс-валидация и диагностика моделей на Python.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	2
Сертификатов выдано	1
Отзывов получено	0
Рейтинг курса	0.000
Количество уроков	27
Количество квизов	270
Количество задач с кодом	46
Стоимость курса	890 ₽	—
Обновления курса	—	—
Дата публикации курса	7 часов назад	—	—	—	—
Последнее обновление	8 сентября 2026	—	—	—	—
Сложность	normal	—	—	—	—

Содержание курса

Разделы в курсе «Руслан Сенаторов: Solver Subgradient Descent. Lasso. ElasticNet»

22 раздела Уроки в курсе «Руслан Сенаторов: Solver Subgradient Descent. Lasso. ElasticNet»

27 уроков Тесты в курсе «Руслан Сенаторов: Solver Subgradient Descent. Lasso. ElasticNet»

270 тестов Задачи в курсе «Руслан Сенаторов: Solver Subgradient Descent. Lasso. ElasticNet»

46 задач Последнее обновление курса «Руслан Сенаторов: Solver Subgradient Descent. Lasso. ElasticNet»

обн. 8 сентября 2026

Глава 1: Введение

3 урока

1. Регламент взаимодействия ↗

2. Школа Анализа Данных. Kaggle. arXiv. ↗

3. Хэлперы по DS ↗

Глава 2

2 урока

1. Реверс инжиниринг ↗

2. Что именно ошибается в линейном прогнозе ↗

Глава 3

1 урок

1. MAE: как получить одну оценку из нескольких ошибок ↗

Глава 4

1 урок

1. Оценить готовую модель и обучить модель — разные действия ↗

Глава 5

1 урок

1. Почему у MAE появляется угол и при чём здесь медиана ↗

Глава 6

1 урок

1. Учимся уменьшать MAE маленькими шагами ↗

Глава 7

1 урок

1. Выброс в ответе и необычный признак: две разные проверки ↗

Глава 8

1 урок

1. Добавляем шумовые признаки и наблюдаем переобучение ↗

Глава 9

1 урок

1. Приводим признаки к сопоставимому масштабу ↗

Глава 10

1 урок

1. Добавляем штраф и наблюдаем исчезновение весов ↗

Глава 11

1 урок

1. Рисуем ограничение, которое даёт нулевые веса ↗

Глава 12

1 урок

1. Пишем правило мягкого порога ↗

Глава 13

1 урок

1. Собираем координатный спуск из одного обновления ↗

Глава 14

1 урок

1. Проверяем свой Lasso и честно читаем остановку ↗

Глава 15

1 урок

1. Проверяем Lasso на повторяющихся признаках ↗

Глава 16

1 урок

1. Ridge: делим вес между похожими признаками ↗

Глава 17

1 урок

1. ElasticNet: отбор и совместные веса ↗

Глава 18

1 урок

1. Из Lasso в ElasticNet за несколько строк ↗

Глава 19

1 урок

1. Выбираем силу штрафа и долю L1 ↗

Глава 20

1 урок

1. Честная проверка: Pipeline и закрытый тест ↗

Глава 21

1 урок

1. Итоговый проект: выбираем модель по данным ↗

Бонус

3 урока

1. Huber Loss ↗

2. Log Cosh Loss ↗

3. Учебник по негладкой оптимизации ↗