Курс на Stepik
Обложка курса «Руслан Сенаторов: Математический анализ для Data Science» на Stepik
Бесплатно

Руслан Сенаторов: Математический анализ для Data Science ★ 4.333

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 "математический анализ". Пределы и производные.Непрерывность и дифференцируемость.Интегралы.Ряды и приближения.Оптимизация.Градиент, частная производная. Data Science: Градиентный спуск Регрессия и нейросети

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Руслан Сенаторов: Математический анализ для Data Science»Учеников на курсе 1 059
Сертификаты, выданные на курсе «Руслан Сенаторов: Математический анализ для Data Science»Сертификатов выдано 0
Отзывы о курсе «Руслан Сенаторов: Математический анализ для Data Science»Отзывов получено 3
Рейтинг курса «Руслан Сенаторов: Математический анализ для Data Science»Рейтинг курса 4.333
Уроки в курсе «Руслан Сенаторов: Математический анализ для Data Science»Количество уроков 25
Тесты в курсе «Руслан Сенаторов: Математический анализ для Data Science»Количество квизов 9
Время прохождения курса «Руслан Сенаторов: Математический анализ для Data Science»Время прохождения курса —
Обновления курса «Руслан Сенаторов: Математический анализ для Data Science»Обновления курса — —
Дата публикации курса «Руслан Сенаторов: Математический анализ для Data Science»Дата публикации курса — ———
Последнее обновление курса «Руслан Сенаторов: Математический анализ для Data Science»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Руслан Сенаторов: Математический анализ для Data Science» 15 разделов Уроки в курсе «Руслан Сенаторов: Математический анализ для Data Science» 25 уроков Тесты в курсе «Руслан Сенаторов: Математический анализ для Data Science» 9 тестов Время прохождения курса «Руслан Сенаторов: Математический анализ для Data Science» 17 ч. Последнее обновление курса «Руслан Сенаторов: Математический анализ для Data Science» обн. 7 мая 2026

1. Введение

1 урок
Закрытый
1.1 Регламент взаимодействия ↗
958
356
2м 6с
8

2. НЕДЕЛЯ 1: Основные понятия

2 урока
Закрытый
2.1 Теория множеств: Операции над множествами ↗
540
124
25м 25с
7
Закрытый
2.2 Метод математической индукции ↗
271
62
49м 14с
4

3. НЕДЕЛЯ 2: Предел последовательности по КОШИ

2 урока
Закрытый
3.1 Предел последовательности ↗
203
52
23м 53с
2
Закрытый
3.2 Предел по КОШИ ↗
139
34
58м 37с
4

4. НЕДЕЛЯ 3: Предел функции по КОШИ.Правило Лопиталя.

2 урока
Закрытый
4.1 Правило Лопиталя.Предел функции.Предел последовательности ↗
109
26
25м 36с
1
Закрытый
4.2 Замечательный предел.Порядок Роста.Неопределенности.Метод замены ↗
58
20
63м 34с
0

5. НЕДЕЛЯ 4: Бесконечно большие/маленькие функции.Эквивалентность

2 урока
Закрытый
5.1 Бесконечно большие/маленькие функции.Эквивалентность ↗
51
20
47м 14с
0
Закрытый
5.2 Бесконечно малые функции. Замечательные эквивалентности в предел ↗
42
42
10м 40с
0

6. НЕДЕЛЯ 5: Непрерывность функции. Точки разрыва

1 урок
Закрытый
6.1 Классификация точек разрыва. Непрерывность функции ↗
41
26
45м 31с
0

7. НЕДЕЛЯ 6: Числовые ряды

2 урока
Закрытый
7.1 Основные понятия. Признак сходимости. ↗
48
30
29м 37с
0
Закрытый
7.2 Гармонический ряд ↗
41
24
61м 31с
0

8. НЕДЕЛЯ 7: Экзамен 1 семестр. Дифференциально исчисление

2 урока
Закрытый
8.1 Экзамен 1 семестр. ↗
69
30
43м 16с
0
Закрытый
8.2 Пересдача экзамена. 1 семестр. ↗
44
24
41м 22с
0

9. НЕДЕЛЯ 8:Прикладной математический анализ для Машинного обучения

1 урок
Закрытый
9.1 Пределы в Машинном обучении ↗
55
26
42м 1с
0

10. НЕДЕЛЯ 9: дифференциал функции

4 урока
Закрытый
10.1 Понятие дифференциала функции ↗
44
20
47м 36с
0
Закрытый
10.2 Приближённые вычисления с помощью дифференциала ↗
26
17
72м 10с
0
Закрытый
10.3 часть 1. Производная и дифференциал ↗
32
15
83м 48с
0
Закрытый
10.4 часть 2. Производная и дифференциал ↗
25
16
54м 3с
0

11. НЕДЕЛЯ 10:ГРАДИЕНТ(градиентный спуск).производная по направлению

1 урок
Закрытый
11.1 ГРАДИЕНТ(градиентный спуск+ML).производная по направлению ↗
58
20
54м 40с
-1

12. Экстремум функции двух переменных.Производная по направлению.

1 урок
Закрытый
12.1 Экстремум функции двух переменных.Производная по направлению. ↗
38
18
53м 0с
0

13. Условный экстремум и метод Лагранжа

1 урок
Закрытый
13.1 Условный экстремум и метод Лагранжа ↗
38
17
59м 44с
0

14. Если вам понравился курс...

1 урок
Закрытый
14.1 ...то... ↗
50
21
0м 10с
1

15. стажировка в IT-организации и Школа Data Science

1 урок
Закрытый
15.1 стажировка в IT-организации и Школа Data Science ↗
68
17
1м 10с
0