Курс на Stepik
Обложка курса «Специалист по Data Science и ML в обучающих мирах Minecraft» на Stepik
Бесплатно

Специалист по Data Science и ML в обучающих мирах Minecraft ★ 5.000

Открыть на
STEPIK.ORG

Погрузись в уникальный Data Science-квест внутри миров Minecraft! Решай задачи, сражайся с моделями ML и изучай аналитику, прокачивая навыки и собирая артефакты, чтобы стать настоящим мастером данных.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Специалист по Data Science и ML в обучающих мирах Minecraft»Учеников на курсе 31
Сертификаты, выданные на курсе «Специалист по Data Science и ML в обучающих мирах Minecraft»Сертификатов выдано 0
Отзывы о курсе «Специалист по Data Science и ML в обучающих мирах Minecraft»Отзывов получено 2
Рейтинг курса «Специалист по Data Science и ML в обучающих мирах Minecraft»Рейтинг курса 5.000
Уроки в курсе «Специалист по Data Science и ML в обучающих мирах Minecraft»Количество уроков 29
Тесты в курсе «Специалист по Data Science и ML в обучающих мирах Minecraft»Количество квизов 275
Время прохождения курса «Специалист по Data Science и ML в обучающих мирах Minecraft»Время прохождения курса —
Обновления курса «Специалист по Data Science и ML в обучающих мирах Minecraft»Обновления курса — —
Дата публикации курса «Специалист по Data Science и ML в обучающих мирах Minecraft»Дата публикации курса — ———
Последнее обновление курса «Специалист по Data Science и ML в обучающих мирах Minecraft»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «Специалист по Data Science и ML в обучающих мирах Minecraft» 6 разделов Уроки в курсе «Специалист по Data Science и ML в обучающих мирах Minecraft» 29 уроков Тесты в курсе «Специалист по Data Science и ML в обучающих мирах Minecraft» 275 тестов Время прохождения курса «Специалист по Data Science и ML в обучающих мирах Minecraft» 0 ч. Последнее обновление курса «Специалист по Data Science и ML в обучающих мирах Minecraft» обн. 3 января 2026

1. Forest of Features — Продвинутая работа с признаками

5 уроков
Открытый
1.1 Очистка пропущенных и некорректных данных ↗
28
8
0м 5с
1
Закрытый
1.2 Кодирование категориальных признаков ↗
8
7
-
0
Закрытый
1.3 Масштабирование и нормализация признаков ↗
7
7
-
0
Закрытый
1.4 Создание новых признаков для модели ↗
7
7
-
0
Открытый
1.5 Квест: собрать магические артефакты данных ↗
7
7
-
1

2. Valley of Models — Продвинутые ML модели

5 уроков
Открытый
2.1 Обучение деревьев решений и Random Forest ↗
7
7
-
1
Закрытый
2.2 Применение Boosting моделей XGBoost/LightGBM ↗
7
7
-
0
Закрытый
2.3 Оценка моделей через ROC, F1, Precision ↗
7
7
-
0
Закрытый
2.4 Тестирование и подбор гиперпараметров ↗
7
7
-
0
Открытый
2.5 Квест: победить мини-дракона Overfitting ↗
9
6
-
1

3. Neural Temple — Продвинутые нейросети

5 уроков
Закрытый
3.1 Создание глубоких нейронных сетей (MLP) ↗
6
6
-
0
Закрытый
3.2 CNN для классификации изображений ↗
6
6
-
0
Закрытый
3.3 RNN и LSTM для временных рядов ↗
6
6
-
0
Закрытый
3.4 Transfer Learning на готовых моделях ↗
6
6
-
0
Закрытый
3.5 Квест: оживить голема с обученной сетью ↗
6
6
-
0

4. Labyrinth of Specializations — Специализация

5 уроков
Закрытый
4.1 NLP: TF-IDF, word2vec, BERT ↗
6
6
-
0
Закрытый
4.2 CV: детекция и сегментация объектов ↗
6
6
-
0
Закрытый
4.3 Time Series: ARIMA, Prophet, LSTM ↗
6
6
-
0
Закрытый
4.4 Reinforcement Learning: обучение ИИ ↗
6
6
-
0
Закрытый
4.5 Квест: пройти лабиринт и собрать свитки ↗
7
6
-
0

5. Engineering City — MLOps и Data Engineering

5 уроков
Закрытый
5.1 SQL и NoSQL для хранения данных ↗
7
6
-
0
Закрытый
5.2 Обработка больших данных PySpark/Dask ↗
7
6
-
0
Закрытый
5.3 Контейнеризация и CI/CD в Docker ↗
6
6
-
0
Закрытый
5.4 MLflow/DVC для экспериментов ↗
6
6
-
0
Закрытый
5.5 Квест: построить инфраструктуру города ↗
6
6
-
0

6. Citadel of Projects — Практические проекты

4 урока
Открытый
6.1 Создание системы рекомендаций ↗
6
6
-
1
Закрытый
6.2 Прогнозирование спроса или цен ↗
6
6
-
0
Закрытый
6.3 Анализ отзывов и sentiment analysis ↗
6
6
-
0
Открытый
6.4 Квест: победить Хаос Данных в битве ↗
6
6
-
1