Курс на Stepik
Обложка курса «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science» на Stepik
990 ₽

Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science 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: Множественная регрессия. Sklearn. Data Science»Учеников на курсе 79
Сертификаты, выданные на курсе «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science»Сертификатов выдано 39
Отзывы о курсе «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science»Отзывов получено 9
Рейтинг курса «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science»Рейтинг курса 5.000
Уроки в курсе «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science»Количество уроков 48
Тесты в курсе «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science»Количество квизов 184
Время прохождения курса «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science»Время прохождения курса
Стоимость курса «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science»Стоимость курса 990 ₽
Обновления курса «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science»Обновления курса
Дата публикации курса «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science»Дата публикации курса
Последнее обновление курса «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science»Последнее обновление
Сложность easy

Содержание курса

Разделы в курсе «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science» 19 разделов Уроки в курсе «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science» 48 уроков Тесты в курсе «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science» 184 теста Время прохождения курса «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science» 10 ч. Последнее обновление курса «Руслан Сенаторов: Множественная регрессия. Sklearn. Data Science» обн. 21 июля 2026

Введение

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

Геометрический взгляд

1 урок
1. Сравнение простой и множественной регрессии

Реверс-инжиниринг кода (Python+sklearn)

3 урока
1. Параметры метода, Фильтрация данных
2. (Краткий обзор) z-score: масштабирование признаков
3. train_test_split:Тестовая, обучающая выборка.

Математическое обоснование метода "insert"

2 урока
1. Введение: np.insert
2. np.insert.Математическое обоснование

Формы записи уравнения линейной регресии

1 урок
1. Скалярная,Векторная,Матричная,Функциональная,развёрнутая форма

Вычисляем предсказание модели

1 урок
1. Умножаем матрицу весов 3-х моделей на вектор признаков

np.linalg.inv(X.T@X).Нормальное уравнение

4 урока
1. Введение Основные понятия. Термины.
2. Матрица 2х2.Обратная матрица.Определитель.Миноры.Дополнения
3. Метод Predict: X_test @ self.weights + self.bias
4. Матрица 3х3.Обратная матрица.Определитель.Миноры.Дополнения

Вычисляем определитель

2 урока
1. Правило саррюса. Матрица 3 порядка
2. Правило треугольников. Матрица 3 порядка

Ранг матрицы.Линейная независимость.Вырожденная матрица.

1 урок
1. Линейная комбинация.

Коллинеарность и мультиколлинеарность, что это и как обнаружить?

1 урок
1. Определитель.Ранг матрицы.Матрица корреляции

Регуляризация l1 l2

2 урока
1. L1 vs L2 норма
2. Ridge regularization vs Lasso

Нормально уравнение С НУЛЯ.Матричное диффенцирование

3 урока
1. SSE VS MSE
2. Раскрываем формулу
3. Матричное диффенцирование

Система Линейных Алгебраических Уравнений

2 урока
1. Метод сложения системы уравнений и подстановки
2. Метод Гаусса

Геометрическая интерпретация метода наименьших квадратов

3 урока
1. Ортогональная проекция на столбцовое пространство матрицы Х
2. Коэффициент детерминации R2(SSR/SST)
3. Заключение

Экзамен

1 урок
1. тестирование на python

(Краткий обзор) Корреляционно-регрессионный анализ

13 уроков
1. Intro: linear regression
2. Supervised learning/Unsupervised learning
3. Классификация моделей линейной регресии
4. Pipeline
5. Вероятностный и классический подход в машинном обучении
6. Почему называется МНК?
7. Ф-критерий Фишера/Т-критерий Стьюдента и Метрики качества модели
8. Теорема Гаусса-Маркова
9. Доверительный интервал
10. QQ-plot.Тест Шапиро-Уилка и Колмогорова смирнова
11. Градиентный спуск и Метод наименьших квадратов
12. Time complexity для МНК (Алгоритмы и структуры данных)
13. Тестирование

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

Множественная регрессия. SVD

1 урок
1. Множественная регрессия. SVD