Курс на Stepik
Обложка курса «(бета) Линейная алгебра для Data Science и Machine Learning» на Stepik
Бесплатно

(бета) Линейная алгебра для Data Science и Machine Learning ★ 4.556

Открыть на
STEPIK.ORG

Курс находится в бета-тестирование. Фундаментальный курс по линейной алгебре: от простых матриц до SVD-разложения. Минимум сухих доказательств, максимум геометрического смысла и интуиции. Идеальная математическая база для старта в Data Science, Machine Learning и GameDev.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «(бета) Линейная алгебра для Data Science и Machine Learning»Учеников на курсе 962
Сертификаты, выданные на курсе «(бета) Линейная алгебра для Data Science и Machine Learning»Сертификатов выдано 0
Отзывы о курсе «(бета) Линейная алгебра для Data Science и Machine Learning»Отзывов получено 9
Рейтинг курса «(бета) Линейная алгебра для Data Science и Machine Learning»Рейтинг курса 4.556
Уроки в курсе «(бета) Линейная алгебра для Data Science и Machine Learning»Количество уроков 41
Тесты в курсе «(бета) Линейная алгебра для Data Science и Machine Learning»Количество квизов 240
Время прохождения курса «(бета) Линейная алгебра для Data Science и Machine Learning»Время прохождения курса —
Обновления курса «(бета) Линейная алгебра для Data Science и Machine Learning»Обновления курса — —
Дата публикации курса «(бета) Линейная алгебра для Data Science и Machine Learning»Дата публикации курса — ———
Последнее обновление курса «(бета) Линейная алгебра для Data Science и Machine Learning»Последнее обновление — ———
Сложность normal — ———

Содержание курса

Разделы в курсе «(бета) Линейная алгебра для Data Science и Machine Learning» 12 разделов Уроки в курсе «(бета) Линейная алгебра для Data Science и Machine Learning» 41 урок Тесты в курсе «(бета) Линейная алгебра для Data Science и Machine Learning» 240 тестов Время прохождения курса «(бета) Линейная алгебра для Data Science и Machine Learning» 10 ч. Последнее обновление курса «(бета) Линейная алгебра для Data Science и Machine Learning» обн. 4 марта 2026

1. Введение

2 урока
Закрытый
1.1 Введение ↗
451
451
1м 50с
0
Закрытый
1.2 Как получить помощь? Связь с автором. ↗
9 432
9 432
1м 6с
3

2. Векторы: Геометрия и основы

4 урока
Закрытый
2.1 Векторы и скаляры ↗
204
128
7м 27с
0
Закрытый
2.2 Линейные операции с векторами ↗
140
84
16м 59с
0
Закрытый
2.3 Скалярное произведение и длины ↗
101
68
18м 21с
0
Закрытый
2.4 Итоговые задачи модуля ↗
79
65
6м 15с
0

3. Матрицы: Инструментарий

4 урока
Закрытый
3.1 Что такое матрица ↗
83
70
8м 35с
0
Закрытый
3.2 Арифметика матриц ↗
78
63
9м 25с
0
Закрытый
3.3 Умножение матриц ↗
72
52
20м 59с
0
Закрытый
3.4 Итоговые задачи модуля ↗
59
51
7м 38с
0

4. Системы линейных уравнений

4 урока
Закрытый
4.1 Постановка задачи ↗
60
45
12м 21с
0
Закрытый
4.2 Метод Гаусса ↗
59
39
20м 26с
0
Закрытый
4.3 Анализ решений ↗
43
37
12м 11с
0
Закрытый
4.4 Итоговые задачи модуля ↗
41
38
3м 22с
0

5. Определитель и Обратная матрица

4 урока
Закрытый
5.1 Определитель (Детерминант) ↗
47
36
15м 49с
0
Закрытый
5.2 Свойства определителей ↗
36
34
13м 14с
0
Закрытый
5.3 Обратная матрица ↗
37
31
17м 58с
0
Закрытый
5.4 Итоговые задачи модуля ↗
34
32
5м 7с
0

6. Линейное пространство (Введение в абстракцию)

4 урока
Закрытый
6.1 Линейная зависимость ↗
37
31
13м 17с
0
Закрытый
6.2 Ранг матрицы ↗
37
30
10м 15с
0
Закрытый
6.3 Базис и размерность ↗
36
30
17м 9с
0
Закрытый
6.4 Итоговые задачи модуля ↗
31
29
3м 43с
0

7. Собственные векторы и числа (Eigenvalues & Eigenvectors)

4 урока
Закрытый
7.1 Суть проблемы ↗
38
25
18м 57с
0
Закрытый
7.2 Алгоритм поиска ↗
29
22
20м 20с
0
Закрытый
7.3 Свойства и Диагонализация ↗
27
21
16м 11с
0
Закрытый
7.4 Итоговые задачи модуля ↗
24
20
10м 0с
0

8. Линейные операторы: Матрица как функция

4 урока
Закрытый
8.1 Понятие линейного оператора ↗
26
18
15м 15с
0
Закрытый
8.2 Ядро и Образ (Kernel & Image) ↗
25
16
18м 4с
0
Закрытый
8.3 Смена базиса ↗
19
13
22м 5с
0
Закрытый
8.4 Итоговые задачи модуля ↗
13
13
4м 45с
0

9. Евклидовы пространства и Ортогональность

4 урока
Закрытый
9.1 Скалярное произведение (уровень PRO) ↗
18
9
16м 56с
0
Закрытый
9.2 Проекции и Грам-Шмидт ↗
12
9
12м 42с
0
Закрытый
9.3 Метод наименьших квадратов (МНК) ↗
13
8
7м 49с
0
Закрытый
9.4 Итоговые задачи модуля ↗
10
8
-
0

10. Симметричные матрицы и Квадратичные формы

3 урока
Закрытый
10.1 Симметричные матрицы ↗
11
7
5м 32с
0
Закрытый
10.2 Квадратичные формы ↗
10
7
4м 25с
0
Закрытый
10.3 Итоговые задачи модуля ↗
10
7
-
0

11. SVD: Сингулярное разложение

3 урока
Закрытый
11.1 Концепция SVD ↗
29
7
4м 28с
0
Закрытый
11.2 Применение SVD (Data Science) ↗
18
7
9м 37с
0
Закрытый
11.3 Итоговые задачи модуля ↗
14
7
-
0

12. Итог

1 урок
Закрытый
12.1 Итог ↗
30
30
1м 14с
0