Текст площадки «Складчик». Упомянутые цены и обещанные результаты могут быть неактуальны; условия покупки проверяйте у продавца.
Участие в одном или двух соревнованиях на Kaggle: предсказать средний балл на экзамене по математике, который получают ученики репетиторов (задача регрессии); предсказать, подойдет ли репетитор для подготовки к экзамену по математике (задача классификации)
Читать полное описание
[GeekBrains] Машинное обучение. Часть 4/5
Часть 1 | Часть 2 | Часть 3
Участие в одном или двух соревнованиях на Kaggle: предсказать средний балл на экзамене по математике, который получают ученики репетиторов (задача регрессии); предсказать, подойдет ли репетитор для подготовки к экзамену по математике (задача классификации)
Системы машинного обучения в Production
Введение в задачу предсказания оттока. Формализация задачи и сбор сырых данных
Загрузка данных и построение обучающей выборки. Анализ и предобработка датасета. Балансировка классов
Выбор и обучение модели на отобранных признаках. Сравнение качества и оценка модели
Оценка потенциального влияния на бизнес. Масштабирование решения
Подготовка к продакшену. Планировщик задач и перенос проекта из Jupyter в PyCharm
Курсовой проект
Оценка потенциального влияния на бизнес ML-решения, построение модели оттока клиентов в игровых проектах и подготовка кода для Production в PyCharm
Один курс · разные способы доступа
Где удобнее учиться?
Сравните цену и то, как будете заниматься.
Выбирайте не только по цене
ЦенаСумма и выгодность предложения
Удобство интерфейсаОценка формата занятий
Встроенный просмотрБез скачивания всего курса
Занятия с телефонаБез работы с архивами
Без рекламыПри работе с материалами
Найти нужный моментНе пересматривая весь урок
Разобраться в темеПомощь по содержанию, не куратор
30+ онлайн-уроков, более 65 часов обучающего контента и практика после каждого занятияВремя не указано
Длительность: 5 месяцев.Время не указано
Модуль 1. Теория вероятностей и математическая статистикаВремя не указано
Модуль 2. Библиотеки Python для Data Science: Numpy, Matplotlib, Scikit-learnВремя не указано
Модуль 3. Библиотеки Python для Data Science: продолжениеВремя не указано
Модуль 4. Алгоритмы анализа данныхВремя не указано
Модуль 5. Системы машинного обучения в ProductionВремя не указано
Теория вероятностей и математическая статистикаВремя не указано
Случайные события. Условная вероятность. Формула Байеса. Независимые испытанияВремя не указано
Дискретные случайные величины. Закон распределения вероятностей. Биномиальный закон распределения. Распределение ПуассонаВремя не указано
Описательная статистика. Качественные и количественные характеристики популяции. Графическое представление данныхВремя не указано
Непрерывные случайные величины. Функция распределения и плотность распределения вероятностей. Равномерное и нормальное распределение. Центральная предельная теоремаВремя не указано
Проверка статистических гипотез. P-значения. Доверительные интервалы. A/B-тестированиеВремя не указано
Взаимосвязь величин. Параметрические и непараметрические показатели корреляции. Корреляционный анализВремя не указано
Многомерный статистический анализ. Линейная регрессияВремя не указано
Дисперсионный анализ. Логистическая регрессияВремя не указано
«В Курсе» — наш основной вариант для перехода. В таблице — возможности сервисов; состав конкретного курса уточняйте перед оплатой.
Как мы оцениваем и что входит в доступ
Звёзды — наша оценка, не отзывы покупателей. Удобство: 2 базовых балла, по одному за занятия без обязательного скачивания, навигацию по курсу и встроенного помощника. Оценка описывает формат сервиса, а не проверку каждого урока.
Цена сравнивается только при подтверждённых одинаковых тарифе, сроке и виде оплаты. Разница с минимальной ценой до 10% — 5 звёзд, до 30% — 4, до 60% — 3, до 100% — 2, больше — 1. Устаревшие и неизвестные цены не оцениваются. Прочерк означает, что данных недостаточно, а не что функции нет.
В Курсе
Курс ещё не подтверждён в библиотеке. Пока доступен поиск во «В Курсе»; цену и возможность добавления нужно уточнить.
Складчик
Условия оплаты
Взнос за участие на площадке: 354 ₽. Доступность материала зависит от стадии сбора.
Вычисления с помощью Numpy. Работа с данными в Pandas. Видеоурок
На странице площадки указано: Взнос 354 р.. Тип платежа, актуальность и соответствие полной цене курса требуют проверки.
Условия проверены 27.09.2026. Перед оплатой проверьте состав предложения у продавца.
Время не указано
Разведочный анализ данных (EDA) на основе выбранного датасета: визуализация, корреляционный, дисперсионный и факторный анализВремя не указано
Библиотеки Python для Data Science: Numpy, Matplotlib, Scikit-learnВремя не указано
Введение в курс. ВебинарВремя не указано
Вычисления с помощью Numpy. Работа с данными в Pandas. ВидеоурокВремя не указано
Вычисления с помощью Numpy. Работа с данными в Pandas. ВебинарВремя не указано
Визуализация данных в Matplotlib. ВидеоурокВремя не указано
Визуализация данных в Matplotlib. ВебинарВремя не указано
Обучение с учителем в Scikit-learn. ВидеоурокВремя не указано
Обучение с учителем в Scikit-learn. ВебинарВремя не указано
Обучение без учителя в Scikit-learn. ВидеоурокВремя не указано
Обучение без учителя в Scikit-learn и введение в итоговый проект. ВебинарВремя не указано
Консультация по итоговому проекту. ВебинарВремя не указано
Курсовой проектВремя не указано
Соревнование на платформе Kaggle по предсказанию цены на недвижимость, решение задачи регрессииВремя не указано
Библиотеки Python для Data Science: продолжениеВремя не указано
Введение в задачу классификации. Постановка задачи и подготовка данныхВремя не указано
Анализ данных и проверка статистических гипотезВремя не указано
Построение модели классификацииВремя не указано
Оценка и интерпретация полученной модели. Обсуждение курсового проектаВремя не указано
Курсовой проектВремя не указано
Соревнование на платформе Kaggle по кредитному скорингу, решение задачи классификацииВремя не указано
Алгоритмы анализа данныхВремя не указано
Алгоритм линейной регрессии. Градиентный спускВремя не указано
Масштабирование признаков. L1- и L2-регуляризация. Стохастический градиентный спускВремя не указано
Логистическая регрессия. Log LossВремя не указано
Алгоритм построения дерева решенийВремя не указано
Случайный лесВремя не указано
Градиентный бустинг (AdaBoost)Время не указано
Классификация с помощью KNN. Кластеризация K-meansВремя не указано
Снижение размерности данныхВремя не указано
Курсовой проектВремя не указано
Альтернативы для выбора
Похожие курсы по этой теме
Это другие программы на близкую тему. Они не считаются тем же курсом: сравните содержание, преподавателей и условия.
Похожая тема в направлении «Искусственный интеллект»
Участие в одном или двух соревнованиях на Kaggle: предсказать средний балл на экзамене по математике, который получают ученики репетиторов (задача регрессии); предсказать, подойдет ли репетитор для подготовки к экзамену по математике (задача классификации)
Участие в одном или двух соревнованиях на Kaggle: предсказать средний балл на экзамене по математике, который получают ученики репетиторов (задача регрессии); предсказать, подойдет ли репетитор для подготовки к экзамену по математике (задача классификации)
Участие в одном или двух соревнованиях на Kaggle: предсказать средний балл на экзамене по математике, который получают ученики репетиторов (задача регрессии); предсказать, подойдет ли репетитор для подготовки к экзамену по математике (задача классификации)
Краткое описание курса (для Stepik)
Этот курс — полноценное и увлекательное введение в машинное обучение для абсолютных новичков: школьников старших классов, студентов и взрослых без опыта в программировании или математике. За 11 уроков + финальный проект ты узнаешь, что такое ML и чем оно отличается от обычных програм
Что известно об альтернативе
Документ: На странице курса указано: сертификат не выдаётся. источник ↗︎
Машинное обучение – это не только модная технология, это инструмент, который быстро развивается и меняет мир на наших глазах. Программа курса направлена на навигацию в “зоопарке” подходов в биологии и биомедицине, построена с постепенным усложнением и даст уверенное понимание, когда и как лучше применять классические м
Этот курс — всеобъемлющее и последовательное руководство по машинному обучению, охватывающее как теоретические основы, так и практические аспекты построения, оценки и внедрения моделей. От математики и обработки данных до нейросетей, временных рядов и деплоймента — вы получите полноценный путь к пониманию и применению
Что известно об альтернативе
Документ: На странице курса указано: сертификат не выдаётся. источник ↗︎
![Обложка курса: [GeekBrains] Машинное обучение. Часть 4/5. Площадка: Складчик](/_next/image?url=%2Fmedia%2Fcourses%2Fgeekbrains-mashinnoe-obuchenie-chast-4-5-skladchik-editorial-b8726c0c.webp&w=1200&q=75)
![Обложка курса: [GeekBrains] Машинное обучение. Часть 2/5. Площадка: Складчик](/_next/image?url=%2Fmedia%2Fcourses%2Fgeekbrains-mashinnoe-obuchenie-chast-2-5-skladchik-editorial-e69b39ce.webp&w=640&q=75)
![Обложка курса: [GeekBrains] Машинное обучение. Часть 3/5. Площадка: Складчик](/_next/image?url=%2Fmedia%2Fcourses%2Fgeekbrains-mashinnoe-obuchenie-chast-3-5-skladchik-editorial-39388217.webp&w=640&q=75)
![Обложка курса: [GeekBrains] Машинное обучение. Часть 5/5. Площадка: Складчик](/_next/image?url=%2Fmedia%2Fcourses%2Fgeekbrains-mashinnoe-obuchenie-chast-5-5-skladchik-editorial-45748eed.webp&w=640&q=75)
![Обложка курса: Машинное обучение в биологии и биомедицине [Openbio] [Илья Воронцов, Артем Касьянов, Александр Сарачаков]. Площадка: Складчик](/_next/image?url=%2Fmedia%2Fcourses%2Fmashinnoe-obuchenie-v-biologii-i-biomeditsine-openbio-ilya-vor-skladchik-6063f183.webp&w=640&q=75)
