Stepik Введение в соревновательный Data Science | Kaggle
О курсе
Подробнее
Что будет на курсе? Ты узнаешь об эффективных и хорошо зарекомендовавших себя техниках построения моделей машинного обучения. Мы расскажем, как правильно генерировать и фильтровать признаки, тюнить и валидировать модели, строить ансамбли и ускорять вычисления, а также другие часто применяемые на практике вещи вплоть до вычислений в облаках.
В рамках курса будет 10 модулей, более 200 практических заданий на отработку материала, интервью с Kaggle Grand Masters, сильное комьюнити с заряженными участниками (20 из которых ужа заработали свои первые медали на Kaggle), и многое другое. Курс постоянно обновляется и дополняется!
📦⚙️ Лучших студентов снаряжаем сервером с несколькими GPU и большой оперативной памятью для участия в боевых чемпионатах.
Чего не будет на курсе? Это крайне практический курс, направленный на применение ML в реальных задачах. Тут не будет теоретической/математической стороны машинного обучения. Не будем считать производные и писать линейные регрессии с нуля, а будем учиться использовать существующие инструменты, чтобы делать свои модели наиболее точными и эффективными. Решенную по ходу курса задачу на Kaggle, можно будет использовать в качестве портфолио для демонстрации будущим работодателям.
✈️ Канал курса в телеграм
Требования
Что нужно для старта
- - Умение программировать на Python 🐍
- - Знание основ машинного обучения
- - Опыт работы с библиотеками pandas/numpy упростит процесс прохождения курса, но не является обязательным
Результат
Что вы получите
- Строить конкурентно-способные и стабильные модели машинного обучения с максимальным качеством, которые не шатает на привате.
- Понимать практические методы из статистики, полезные для машинного обучения
- Использовать обширные возможности платформы Kaggle
- Применять наиболее эффективные техники ансамблирования, которые пригодятся не только в соревнованиях, но и в других сферах.
- Реализовывать изученные техники на Python 🐍 и пользоваться современными ML-фреймворками
Аудитория
Для кого этот курс
- Этот курс подойдет тем, кто хочет научиться выжимать максимум точности из ML моделей, применяя современные подходы, а также начать (начать чаще) выигрывать в соревнованиях по Data Science.
Содержание
12 занятийПрограмма курса
№ТемаЧто внутри
01🚀 Введение.
- 🎬 Что даст тебе этот курс?
- ✈️ Суть соревновательного анализа данных.
- 🤼♀️ А с кем и где будем соревноваться в курсе?
- 🤖🦙 Генеративный AI ускорит тебя в 100 раз!
02🎵 Классические элементы анализа данных.
- 🎓🐍 Пишем и организуем код.
- 🎓🐼 Pandas. Забудь про циклы! 🐍
- 💾📈 Данные и визуализация. Куда двигаться?!
- 🦾🤖 Валидация и модели.
03🤿 Углубляемся в Feature Engineering.
- 💪🐼 Pandas мощнее, чем ты думаешь!
- 🤜🦈 Генерируем новые признаки и увеличиваем точность.
- ☂️🕸 Фильтрация признаков
- 👀🚗 Визуализация. Как понять, где модель косячит?
- 🦆🔥 Секретный гость (интервью с Solo Kaggle Grand Master).
04👨🔧 Тюнинг бустингов как искусство.
- 😺🚀 Его бустейшество CatBoost.
- 🦄🎳 Его светлейшество LightGBM.
- 👽🔱 Его экстримшество XGBoost.
- 🌳🌲🌴 Бустинги. Практика.
05🍋💦 Выжимаем максимум из ML-моделей.
- 🎣 Автоматическая генерация и фильтрация признаков.
- ⚙️ Не время блендить, давайте выжмем еще!
06🧞♂️ Блендинг, cтекинг и другие техники дойти до 95%.
- 🃏 Блендинг. Смешай и точность вырастет!
- 💎 Стекинг. Точность снова выросла, да ну на?!
- 🦏 Автоматический блендинг и стекинг. Sklearn-Pipelines.
07🙋♀️ Вспомогательные техники.
- ⏱ Оптимизация памяти и ускорение вычислений.
- 🧹 Парсинг внешних данных.
08🏆🥳 Kaggle. Ящик инструментов для победы.
- 🚢 Работа с платформой Kaggle и Kaggle API.
- 🌈 Google Colab, Paper Space, Yandex Cloud.
- 👩🎤👨🎤💡Работа в команде.
09🎁 Бонусные главы.
- 🧠 А нейронки будут ?!
- 🚚 Продвинутый Feature Engineering
- 🏋️♂️🏌️♂️ Weigths & Biases
10🤐🎃 Запрещённые техники, или Что там по привату?!
- 🎲 Работа с метрикой. Пре-процессинг и пост-процессинг
- 🏹 Пробиваем лидерборд
- 🎭 Псевдолейблинг и semi-supervised learning
11🏁 Финиш курса и плюшки!
- 👏 Ну вот и всё. Что дальше?
- 📦 Полное Baseline-решение. Бей его!
12🔥😈 Дополнительные материалы
- 🔥🔥 Блендинг, стекинг и большие датасеты
- 🍸🍧 Взболтать, но не смешивать. Практика.
01🚀 Введение.
- 🎬 Что даст тебе этот курс?
- ✈️ Суть соревновательного анализа данных.
- 🤼♀️ А с кем и где будем соревноваться в курсе?
- 🤖🦙 Генеративный AI ускорит тебя в 100 раз!
02🎵 Классические элементы анализа данных.
- 🎓🐍 Пишем и организуем код.
- 🎓🐼 Pandas. Забудь про циклы! 🐍
- 💾📈 Данные и визуализация. Куда двигаться?!
- 🦾🤖 Валидация и модели.
03🤿 Углубляемся в Feature Engineering.
- 💪🐼 Pandas мощнее, чем ты думаешь!
- 🤜🦈 Генерируем новые признаки и увеличиваем точность.
- ☂️🕸 Фильтрация признаков
- 👀🚗 Визуализация. Как понять, где модель косячит?
- 🦆🔥 Секретный гость (интервью с Solo Kaggle Grand Master).
04👨🔧 Тюнинг бустингов как искусство.
- 😺🚀 Его бустейшество CatBoost.
- 🦄🎳 Его светлейшество LightGBM.
- 👽🔱 Его экстримшество XGBoost.
- 🌳🌲🌴 Бустинги. Практика.
05🍋💦 Выжимаем максимум из ML-моделей.
- 🎣 Автоматическая генерация и фильтрация признаков.
- ⚙️ Не время блендить, давайте выжмем еще!
06🧞♂️ Блендинг, cтекинг и другие техники дойти до 95%.
- 🃏 Блендинг. Смешай и точность вырастет!
- 💎 Стекинг. Точность снова выросла, да ну на?!
- 🦏 Автоматический блендинг и стекинг. Sklearn-Pipelines.
07🙋♀️ Вспомогательные техники.
- ⏱ Оптимизация памяти и ускорение вычислений.
- 🧹 Парсинг внешних данных.
08🏆🥳 Kaggle. Ящик инструментов для победы.
- 🚢 Работа с платформой Kaggle и Kaggle API.
- 🌈 Google Colab, Paper Space, Yandex Cloud.
- 👩🎤👨🎤💡Работа в команде.
09🎁 Бонусные главы.
- 🧠 А нейронки будут ?!
- 🚚 Продвинутый Feature Engineering
- 🏋️♂️🏌️♂️ Weigths & Biases
10🤐🎃 Запрещённые техники, или Что там по привату?!
- 🎲 Работа с метрикой. Пре-процессинг и пост-процессинг
- 🏹 Пробиваем лидерборд
- 🎭 Псевдолейблинг и semi-supervised learning
11🏁 Финиш курса и плюшки!
- 👏 Ну вот и всё. Что дальше?
- 📦 Полное Baseline-решение. Бей его!
12🔥😈 Дополнительные материалы
- 🔥🔥 Блендинг, стекинг и большие датасеты
- 🍸🍧 Взболтать, но не смешивать. Практика.
Документ после выпуска
Stepik
Организатор
Автор курса
Мнения учеников
Отзывы о курсе
Оставьте отзыв
Расскажите о качестве обучения, поддержке и результате. Это поможет другим выбрать организацию осознанно.
Оставьте заявку
Консультант ответит на вопросы о курсе «Введение в соревновательный Data Science | Kaggle» и поможет разобраться в деталях обучения.
Нажимая кнопку, вы даете согласие на обработку персональных данных
Информация обновлена 3 сентября 2026 г.
Продолжить выбор
Похожие курсы
Начать без затрат
