Содержание курса
18
разделов
41
урок
167
тестов
12
задач
4 ч.
обн. 22 мая 2026
1. Введение
3 урока
89
61
6м
2
Открытый
1.1
Регламент взаимодействия
↗
31
3
2м 9с
1
Открытый
1.2
Обзор курса
↗
25
25
4м 40с
1
Открытый
1.3
Школа Анализа Данных. Kaggle. arXiv.
↗
33
33
1м 32с
0
2. Глава1. Анализ сфер с полиномиальной зависимостью
1 урок
89
4
5м
0
Открытый
2.1
Бизнес кейсы с полиномиальной регрессией
↗
89
4
5м 50с
0
3. Глава 2. Основные понятия
2 урока
11
5
6м
0
Закрытый
3.1
Понятие монома (одночлен)
↗
6
3
3м 36с
0
Закрытый
3.2
Понятие полинома (многочлен)
↗
5
2
3м 57с
0
4. Глава 3. Моделирование и ряд Тейлора
2 урока
12
4
12м
0
Закрытый
4.1
Моделирование полиномов в DESMOS
↗
5
2
9м 36с
0
Закрытый
4.2
Понятие ряд Тейлора
↗
7
2
3м 23с
0
5. Глава 4. Математическое обоснование формулы
1 урок
6
2
10м
0
Закрытый
5.1
Выводим формулу полиномиальной регрессии с нуля.
↗
6
2
10м 6с
0
6. Глава 5. Реверс-инжиниринг Python кода
3 урока
13
3
13м
-1
Закрытый
6.1
Полиномиальные признаки:sklearn.preprocessing.PolynomialFeatures
↗
5
1
5м 8с
0
Закрытый
6.2
Реверс-инжиниринг Python кода
↗
4
1
6м 31с
0
Закрытый
6.3
Улучшаем код для выбора гиперпараметра модели
↗
4
1
3м 48с
-1
7. Глава 6. Анализ метрик
3 урока
11
0
15м
-1
Закрытый
7.1
Метрика MAPE
↗
4
0
2м 49с
0
Закрытый
7.2
Анализ метрик и выбор степени полинома. UNDERFITTING OVERFITTING
↗
4
0
11м 54с
-1
Закрытый
7.3
Анализ графика полиномиальной регрессии
↗
3
0
3м 45с
0
8. Глава 7. Анализ числовых показателей регрессии
2 урока
7
0
17м
0
Закрытый
8.1
Анализ коэффициентов регрессии
↗
3
0
7м 2с
0
Закрытый
8.2
Анализ графика остатков
↗
4
0
10м 53с
0
9. Глава 8. Введение в разложение ошибки на смещение и разброс
1 урок
3
0
7м
0
Закрытый
9.1
Понятие Bias-Variance Decomposition и Tradeoff
↗
3
0
7м 20с
0
10. Глава 9. Bias
2 урока
6
0
17м
0
Закрытый
10.1
Понятие Bias (смещение)
↗
3
0
7м 24с
0
Закрытый
10.2
Bias (смещение): математическое обоснование
↗
3
0
9м 15с
0
11. Глава 10. Variance
4 урока
5
0
17м
0
Закрытый
11.1
Понятие variance (разброс)
↗
2
0
3м 18с
0
Закрытый
11.2
Геометрический смысл bias и variance
↗
1
0
2м 59с
0
Закрытый
11.3
Кросс-валидация (краткий обзор)
↗
1
0
7м 36с
0
Закрытый
11.4
Variance (разброс): математическое обоснование
↗
1
0
5м 28с
0
12. Глава 11. Noise
4 урока
4
0
14м
0
Закрытый
12.1
Понятие noise (шум)
↗
1
0
2м 28с
0
Закрытый
12.2
Геометрический смысл noise
↗
1
0
5м 4с
0
Закрытый
12.3
Noise (шум): математическое обоснование
↗
1
0
3м 22с
0
Закрытый
12.4
Анализ графика: Шум как неустранимая ошибка.
↗
1
0
3м 26с
0
13. Глава 12. Bias Varians Decomposition (BVD)
2 урока
2
0
14м
0
Закрытый
13.1
PDF. График плотности нормального распределения гаусса
↗
1
0
7м 34с
0
Закрытый
13.2
Выводим формулу с нуля. Bias varians decomposition
↗
1
0
8м 34с
0
14. Глава 13. model complexity и learning curves
6 уроков
7
1
26м
2
Закрытый
14.1
Анализ графика model complexity
↗
1
0
9м 33с
1
Закрытый
14.2
Бритва Оккама или как выбрать гиперпараметр?
↗
1
0
3м 59с
0
Закрытый
14.3
Валидационная выборка
↗
1
0
2м 34с
0
Закрытый
14.4
Анализ кривых обучения (learning curves)
↗
1
0
6м 29с
0
Закрытый
14.5
Борьба с недообучением и переобучением
↗
1
0
6м 14с
1
Закрытый
14.6
BVD: Decision Tree, Random Forest, KNN, Логистическая, Нейросети
↗
2
1
-
0
15. Сплайны в задачах интерполяции и регрессионного анализа
1 урок
4
0
0м
0
Закрытый
15.1
Введение в сплайновую регрессию (с реализацией в Python)
↗
4
0
-
0
16. Если вам понравился курс...
1 урок
3
1
0м
0
Закрытый
16.1
...то...
↗
3
1
-
0
17. стажировка в IT-организации и Школа Data Science
1 урок
14
1
1м
1
Открытый
17.1
стажировка в IT-организации и Школа Data Science
↗
14
1
1м 4с
1
18. Регуляризация
1 урок
3
3
0м
0
Закрытый
18.1
Регуляризация.Гребневая регрессия
↗
3
3
-
0