Сколько стоит курс «Стартовый трек в ИИ»?

Курс «Стартовый трек в ИИ» доступен бесплатно.

Сколько времени занимает прохождение курса «Стартовый трек в ИИ»?

Прохождение курса «Стартовый трек в ИИ» занимает примерно 42 часов.

Какой рейтинг у курса «Стартовый трек в ИИ»?

Курс имеет рейтинг 4.6 из 5 на основе 25 отзывов. На курсе обучается 10 480 учеников.

Где можно пройти курс «Стартовый трек в ИИ»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/194633.

Курс на Stepik

Обложка курса «Стартовый трек в ИИ» на Stepik

Бесплатно

Стартовый трек в ИИ ★ 4.600

Name: Стартовый трек в ИИ
Availability: InStock
Rating: 4.6 (25 reviews)

Открыть на
STEPIK.ORG

Курс будет полезен всем, кто хочет подтянуть свои знания по математике для анализа данных, азам машинного обучения, Python и основам инструментов разработки. В рамках курса вы подготовитесь к вступительным экзаменам и заложите фундамент для обучения в магистратуре по искусственному интеллекту на ФКН ВШЭ!

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	10 480
Сертификатов выдано	0
Отзывов получено	25
Рейтинг курса	4.600
Количество уроков	85
Количество квизов	429
Количество задач с кодом	47
Время прохождения курса	42 ч.	—
Обновления курса	—	—
Дата публикации курса	2 года назад	—	—	—	—
Последнее обновление	12 августа 2026	—	—	—	—
Сложность	easy	—	—	—	—

Содержание курса

19 разделов Уроки в курсе «Стартовый трек в ИИ»

85 уроков Тесты в курсе «Стартовый трек в ИИ»

429 тестов Задачи в курсе «Стартовый трек в ИИ»

47 задач Время прохождения курса «Стартовый трек в ИИ»

42 ч.

обн. 12 августа 2026

О курсе

2 урока

1. О курсе ↗

2. Входное тестирование ↗

Часть 1. Знакомство с Python

6 уроков

1. Язык программирования Python ↗

2. Переменные и арифметические действия ↗

3. Типы данных ↗

4. Условный оператор ↗

5. Циклы ↗

6. Домашнее задание ↗

Часть 1. Основы Python

3 урока

1. Списки ↗

2. Функции ↗

3. Строки ↗

Часть 1. Азы аналитики

4 урока

1. Меры центральной тенденции ↗

2. Меры изменчивости и распределение данных ↗

3. Зависимости в данных. Корреляция ↗

4. Домашнее задание ↗

Часть 1. Знакомство с машинным обучением

7 уроков

1. Введение ↗

2. Основные понятия машинного обучения ↗

3. Типы задач в машинном обучении ↗

4. Схема проекта по машинному обучению ↗

5. Оценка обобщающей способности модели ↗

6. Разведочный анализ данных ↗

7. Домашнее задание ↗

Часть 1. Основы математики для Data Science

3 урока

1. Множества и операции над ними ↗

2. Формулы включений-исключений ↗

3. Логарифмы ↗

Часть 1. Математический анализ

12 уроков

1. Пределы функций ↗

2. Пределы: ряд Тейлора ↗

3. Пределы функций (задания*) ↗

4. Производные ↗

5. Производные (задания *) ↗

6. Правило Лопиталя ↗

7. Предел последовательности ↗

8. Предел последовательности (задания*) ↗

9. Неопределенный интеграл ↗

10. Определенный интеграл ↗

11. Ряды ↗

12. Дополнительные задания для тренировки ↗

Часть 1. Линейная алгебра

7 уроков

1. Линейная зависимость и независимость векторов. Базис ↗

2. Дополнительные задачи ↗

3. Линейные пространства и подпространства ↗

4. Матрицы и матричные операции. Определитель. Обратная матрица ↗

5. Эквивалентные преобразования, метод Гаусса, обратные матрицы ↗

6. Матричные уравнения, собственные векторы и значения ↗

7. Дополнительные задания ↗

Часть 1. Дискретная математика

11 уроков

1. Правило сложения и правило умножения. Основные формулы ↗

2. Правила сложения и умножения ↗

3. Перестановки с повторениями ↗

4. Размещения и перестановки ↗

5. Формула включений-исключений ↗

6. Сочетания ↗

7. Задания ↗

8. Задания ↗

9. Задания* ↗

10. Задания * ↗

11. Дополнительные задания для тренировки ↗

Часть 1. Основы теории вероятностей

5 уроков

1. Условная и полная вероятность. Формула Байеса ↗

2. Схема Бернулли ↗

3. Матожидание и дисперсия ↗

4. Геометрическая интерпретация вероятности ↗

5. Дополнительные задания для тренировки ↗

Часть 1. Тренажер к экзамену

5 уроков

1. Демонстрационный вариант 1 (5 баллов) ↗

2. Демонстрационный вариант 1 (10 баллов) ↗

3. Демонстрационный вариант 2 (5 баллов) ↗

4. Демонстрационный вариант 2 (10 баллов) ↗

5. Демонстрационная задача на анализ данных ↗

Часть 2. Погружение в Python

5 уроков

1. Списки ↗

2. Кортежи ↗

3. Множества ↗

4. Словари ↗

5. Домашнее задание - 2 ↗

Часть 2. Работа со строками в Python

2 урока

1. Строки ↗

2. Домашнее задание ↗

Часть 2. Системы контроля версий: Git, GitHub

0 уроков

Часть 2. Знакомимся с Git

0 уроков

Часть 2. Основы работы с командной строкой

0 уроков

Часть 2. Основы работы с Docker

0 уроков

Бонус: создание MVP!

4 урока

1. Часть 1: Аналитика ↗

2. Начало работы с Streamlit ↗

3. Погружение в Streamlit ↗

4. Часть 2: Создание MVP ↗

Бонус: дополнительные материалы

1 урок

1. Дополнительная практика по машинному обучению ↗