Курс на Stepik
Обложка курса «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science» на Stepik
Бесплатно

Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science ★ 3.667

Открыть на
STEPIK.ORG

Автор курса Руслан Сенаторов t.me/RuslanSenatorov, Преподаватель и Президент IT-организации(CEO) github.com/SENATOROVAI | Бесплатный курс по математике для data science,Машинное обучение, с нуля. Материалы курса основаны на открытых лекциях по "Линейная Алгебра на Python с нуля". Этот курс —проводник в мир линейной алгебры, без которой невозможно понять, как работают модели машинного обучения, нейросети, кластеризация, поиск признаков и многое другое. через практику на Python (NumPy).

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science»Учеников на курсе 1 544
Сертификаты, выданные на курсе «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science»Сертификатов выдано 0
Отзывы о курсе «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science»Отзывов получено 3
Рейтинг курса «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science»Рейтинг курса 3.667
Уроки в курсе «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science»Количество уроков 28
Тесты в курсе «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science»Количество квизов 11
Время прохождения курса «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science»Время прохождения курса —
Обновления курса «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science»Обновления курса — —
Дата публикации курса «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science»Дата публикации курса — ———
Последнее обновление курса «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science» 10 разделов Уроки в курсе «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science» 28 уроков Тесты в курсе «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science» 11 тестов Время прохождения курса «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science» 20 ч. Последнее обновление курса «Руслан Сенаторов: Линейная Алгебра в Python(Numpy). Data Science» обн. 7 мая 2026

1. Введение

1 урок
Закрытый
1.1 Регламент взаимодействия ↗
1 464
581
2м 22с
14

2. НЕДЕЛЯ 1: ФУНДАМЕНТАЛЬНЫЕ ОСНОВЫ

5 уроков
Закрытый
2.1 Что такое вектор? Размерность, операции над вектором ↗
904
194
21м 27с
3
Закрытый
2.2 Скалярное произведение векторов и broadcusting ↗
526
69
42м 43с
2
Закрытый
2.3 Python: Норма вектора, операции над векторами ↗
280
37
41м 48с
4
Закрытый
2.4 Python: Косинусное сходство ↗
159
30
41м 22с
3
Закрытый
2.5 Python: Проекция вектора и ортогональное разложение ↗
129
22
56м 39с
3

3. НЕДЕЛЯ 2: АЛГЕБРАИЧЕСКИЕ СТРУКТУРЫ

4 урока
Закрытый
3.1 линейная зависимость, линейные комбинации,линейное пространство ↗
151
23
37м 25с
2
Закрытый
3.2 Алгебраическая структура: полугруппа, моноид, группа,кольцо,поле ↗
91
22
46м 48с
1
Закрытый
3.3 Векторное(линейное) пространство ↗
62
22
38м 50с
2
Закрытый
3.4 Линейная оболочка (SPAN) ↗
69
21
39м 0с
0

4. НЕДЕЛЯ 3: Афинная система координат и направляющие косинусы

4 урока
Закрытый
4.1 Python: Линейная комбинация.Афинная система координат, Базис ↗
75
18
118м 20с
0
Закрытый
4.2 Ортонормированный базис ↗
43
17
38м 47с
1
Закрытый
4.3 Проекция вектора и направляющие косинусы ↗
32
16
42м 48с
1
Закрытый
4.4 Нормальное распределение Гаусса. Сдвиг матрицы ↗
37
17
42м 44с
0

5. НЕДЕЛЯ 4: Обратная матрица. РАНГ. ОПРЕДЕЛИТЕЛЬ

3 урока
Закрытый
5.1 Обратная матрица ↗
48
21
41м 38с
0
Закрытый
5.2 Ранг матрицы ↗
36
19
40м 48с
0
Закрытый
5.3 Определитель матрицы. Правило саррюса. Треугольников ↗
26
15
41м 15с
0

6. НЕДЕЛЯ 5: МНК .Матрица знаков. АЛГЕБРАИЧЕСКОЕ ДОПОЛНЕНИЕ

2 урока
Закрытый
6.1 Нормальное уравнение. Матрица знаков. Понижение порядка det ↗
41
20
41м 50с
0
Закрытый
6.2 Алгебраическое дополнение.Матричные выражения. ↗
32
16
39м 22с
0

7. НЕДЕЛЯ 6: СЛАУ. Матричное уравнение.МЕТОД ГАУССА.

2 урока
Закрытый
7.1 Матричное уравнение.Система уравнений. ↗
40
16
46м 37с
0
Закрытый
7.2 Метод Гаусса ↗
40
17
82м 26с
0

8. НЕДЕЛЯ 7: ПРАКТИКА НА NUMPY(Норма Фробениуса.След матрицы.EVD

4 урока
Закрытый
8.1 Python: Матричные операции. Numpy ↗
69
23
34м 5с
0
Закрытый
8.2 Python: Ортогональная матрица. Сложение вручную ↗
51
18
41м 12с
0
Закрытый
8.3 Python: Оператор return. Вложенные циклы. Матричные операции ↗
40
15
95м 26с
0
Закрытый
8.4 Python: Норма Фробениуса.След матрицы.Eigenvalue decomposition ↗
53
16
89м 14с
0

9. Если вам понравился курс...

1 урок
Закрытый
9.1 ...то... ↗
97
22
0м 9с
2

10. стажировка в IT-организации и Школа Data Science

1 урок
Закрытый
10.1 стажировка в IT-организации и Школа Data Science ↗
131
20
1м 10с
1