Курс на Stepik
Обложка курса «Симулятор Data Science» на Stepik
2 390 ₽

Симулятор Data Science ★ 5.000

Открыть на
STEPIK.ORG

Ты пройдёшь полный путь ML-проекта: от постановки бизнес-задачи и работы с данными до деплоя, мониторинга и поддержки модели в проде. Курс построен вокруг практики — так, как это происходит в настоящей работе Data Scientist’а.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Симулятор Data Science»Учеников на курсе 107
Сертификаты, выданные на курсе «Симулятор Data Science»Сертификатов выдано 10
Отзывы о курсе «Симулятор Data Science»Отзывов получено 4
Рейтинг курса «Симулятор Data Science»Рейтинг курса 5.000
Уроки в курсе «Симулятор Data Science»Количество уроков 23
Тесты в курсе «Симулятор Data Science»Количество квизов 82
Задачи с кодом в курсе «Симулятор Data Science»Количество задач с кодом 3
Время прохождения курса «Симулятор Data Science»Время прохождения курса —
Стоимость курса «Симулятор Data Science»Стоимость курса 2 390 ₽ —
Обновления курса «Симулятор Data Science»Обновления курса — —
Дата публикации курса «Симулятор Data Science»Дата публикации курса — ———
Последнее обновление курса «Симулятор Data Science»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Симулятор Data Science» 8 разделов Уроки в курсе «Симулятор Data Science» 23 урока Тесты в курсе «Симулятор Data Science» 82 теста Задачи в курсе «Симулятор Data Science» 3 задачи Время прохождения курса «Симулятор Data Science» 9 ч. Последнее обновление курса «Симулятор Data Science» обн. 23 марта 2026

1. 🚀 Старт курса: что будем изучать

2 урока
Открытый
1.1 📝 О курсе ↗
190
127
2м 48с
0
Закрытый
1.2 📲 Контакты курса ↗
45
45
0м 20с
0

2. 📝 Постановка требований: определяем, что реально нужно

1 урок
Закрытый
2.1 💼➜🤖 От бизнес-вопроса к ML-решению ↗
43
36
5м 17с
0

3. Сбор данных

5 уроков
Открытый
3.1 🏰📦 DWH: порядок в данных ↗
152
45
4м 57с
0
Открытый
3.2 🔌🐍 DWH + Python: подключаемся красиво ↗
143
17
63м 42с
0
Закрытый
3.3 🐾🐼 Pandas: чистим, соединяем и прокачиваем фичи ↗
29
13
97м 20с
0
Закрытый
3.4 🌊🏊‍♂️Data Lake: ныряем в озеро данных без страха утонуть ↗
25
16
9м 57с
0
Закрытый
3.5 🔥🚂 PySpark: большие данные — на рельсы распределённости ↗
27
11
86м 31с
0

4. 🏗️ Строим ML-модель: полный конструктор

5 уроков
Открытый
4.1 🧱 Baseline: фундамент, от которого пляшем ↗
98
11
46м 38с
0
Закрытый
4.2 ✂️ Feature Selection: отрезаем лишнее ↗
18
8
8м 0с
0
Закрытый
4.3 🔧🛠️ Hyperparameter Tuning: тонкая регулировка под задачу ↗
18
9
12м 51с
0
Закрытый
4.4 ⚙️✨ AutoML: автоматическая магия под капотом ↗
19
8
8м 41с
0
Закрытый
4.5 🎯⚖️ Калибровка модели: приводим прогнозы к реальности ↗
16
7
7м 20с
0

5. 🧠 Интерпретируемость моделей: понимаем, что делает алгоритм

2 урока
Закрытый
5.1 🔮🧠 SHAP: заглядываем в мозги модели ↗
22
8
8м 49с
0
Закрытый
5.2 🍈 LIME: рентген для отдельных объектов ↗
16
7
4м 5с
0

6. 🛰️ MLOps: отправляем модель в прод

4 урока
Закрытый
6.1 🧩 MLflow: управляем жизненным циклом моделей ↗
19
5
9м 36с
0
Закрытый
6.2 🌐⚡ ML как сервис: от модели к API ↗
16
5
7м 27с
0
Закрытый
6.3 🧱🐳 Docker: воспроизводимое окружение без боли ↗
15
5
3м 43с
0
Закрытый
6.4 ⏰🚀 Airflow: запускаем пайплайны без ручного вмешательства ↗
14
5
12м 55с
0

7. 📊 Мониторинг ML-модели: следим за качеством и стабильностью

3 урока
Закрытый
7.1 🚦📏 Мониторинг: Светофор для ваших предсказаний ↗
16
5
1м 12с
0
Закрытый
7.2 🕵️‍♂️📉 Data Drift: Расследование начинается с ваших глаз ↗
16
4
6м 14с
0
Закрытый
7.3 🤖📊 Evidently: Автоматизируем взгляд на данные ↗
17
3
5м 9с
0

8. 🏁 Финальный проект

1 урок
Закрытый
8.1 🔄 Создаем полный цикл ML ↗
11
1
0м 23с
0