Stepik Курс по машинному обучению. «ИИ Старт» (архивный курс 2022)
О курсе
Подробнее
Важно: это курс от 2022 года. В 2026 году команда Академии ИИ планирует его переработку и запуск нового, более актуального курса по машинному обучению.
Создатели курса: Физтех-школа прикладной математики информатики Московского физико-технического института, Академия искусственного интеллекта для школьников Благотворительного фонда Сбербанка «Вклад в будущее» и Фонд развития Физтех-школ.
Требования
Что нужно для старта
- Пройти курс вам помогут:
- начальные навыки программирования на одном из языков (Pascal, C, C++, Python, Java и др.);
- знание школьной программы по математике до 8 класса включительно;
- готовность быстро освоить Python, погрузиться в понятия производной и градиента, принципы работы с матрицами, основы объектно-ориентированного программирования.
- Технические требования к оборудованию минимальны: достаточно компьютера с выходом в интернет.
Результат
Что вы получите
- Использовать библиотеки для обработки и анализа данных на Python.
- Применять линейные модели, решающие деревья и леса, бустинг и т. д.
- Выбирать оптимальный алгоритм машинного обучения для решения задач классификации и регрессии.
- Строить полносвязные и сверточные нейронные сети для задач компьютерного зрения с помощью фреймворка Pytorch.
Аудитория
Для кого этот курс
- Курс подойдёт школьникам старших классов, педагогам и всем, кто стремится получить профессию в Data Science.
Содержание
26 занятийПрограмма курса
№ТемаЧто внутри
01Введение в анализ данных
- Введение
- Инструменты курса
02Введение в язык программирования Python
- Введение в язык программирования Python
03Циклы и работы со строками
- Циклы и работа со строками
04Функции в Python
- Функции в Python
05Основы объектно-ориентированного программирования в Python
- Основы объектно-ориентированного программирования в Python
06Основы линейной алгебры
- Основы линейной алгебры
- Тест. Основы линейной алгебры
07Библиотека Numpy
- Библиотека Numpy
08Линейная алгебра с библиотекой Numpy
- Линейная алгебра с библиотекой Numpy
09Основы теории вероятностей и математической статистики
- Основы теории вероятностей и математической статистики
- Тест. Основы теории вероятностей и математической статистики
10Знакомство с библиотеками Pandas и Matplotlib
- Знакомство с библиотеками Pandas и Matplotlib
- Тест. Знакомство с библиотеками Pandas и Matplotlib
11Основы аналитики данных с помощью Pandas и Matplotlib
- Основы аналитики данных с помощью Pandas и Matplotlib
12Введение в машинное обучение
- Введение в машинное обучение
- Тест. Введение в машинное обучение
13Пайплайн машинного обучения
- Пайплайн машинного обучения
14Линейная регрессия
- Линейная регрессия
15Функции математического анализа
- Функции математического анализа
- Тест. Функции математического анализа
16Производная, градиент и градиентная оптимизация
- Производная, градиент и градиентная оптимизация
17Логистическая регрессия
- Логистическая регрессия
18Метрики машинного обучения
- Метрики машинного обучения
- Тест. Метрики машинного обучения
19Решающие деревья
- Решающие деревья
- Тест. Решающие деревья
20Композиции алгоритмов
- Композиции алгоритмов
21Пайплайн выбора модели
- Пайплайн выбора модели
- Тест. Пайплайн выбора модели
22Конкурсы на kaggle.com
- Конкурсы на kaggle.com
23Введение в нейронные сети
- Введение в нейронные сети
- Тест. Введение в нейронные сети
24Обучение нейронных сетей в библиотеке PyTorch
- Обучение нейронных сетей в библиотеке PyTorch
25Сверточные нейронные сети
- Сверточные нейронные сети
26Архитектуры CNN и Transfer Learning
- Архитектуры CNN и Transfer Learning
01Введение в анализ данных
- Введение
- Инструменты курса
02Введение в язык программирования Python
- Введение в язык программирования Python
03Циклы и работы со строками
- Циклы и работа со строками
04Функции в Python
- Функции в Python
05Основы объектно-ориентированного программирования в Python
- Основы объектно-ориентированного программирования в Python
06Основы линейной алгебры
- Основы линейной алгебры
- Тест. Основы линейной алгебры
07Библиотека Numpy
- Библиотека Numpy
08Линейная алгебра с библиотекой Numpy
- Линейная алгебра с библиотекой Numpy
09Основы теории вероятностей и математической статистики
- Основы теории вероятностей и математической статистики
- Тест. Основы теории вероятностей и математической статистики
10Знакомство с библиотеками Pandas и Matplotlib
- Знакомство с библиотеками Pandas и Matplotlib
- Тест. Знакомство с библиотеками Pandas и Matplotlib
11Основы аналитики данных с помощью Pandas и Matplotlib
- Основы аналитики данных с помощью Pandas и Matplotlib
12Введение в машинное обучение
- Введение в машинное обучение
- Тест. Введение в машинное обучение
13Пайплайн машинного обучения
- Пайплайн машинного обучения
14Линейная регрессия
- Линейная регрессия
15Функции математического анализа
- Функции математического анализа
- Тест. Функции математического анализа
16Производная, градиент и градиентная оптимизация
- Производная, градиент и градиентная оптимизация
17Логистическая регрессия
- Логистическая регрессия
18Метрики машинного обучения
- Метрики машинного обучения
- Тест. Метрики машинного обучения
19Решающие деревья
- Решающие деревья
- Тест. Решающие деревья
20Композиции алгоритмов
- Композиции алгоритмов
21Пайплайн выбора модели
- Пайплайн выбора модели
- Тест. Пайплайн выбора модели
22Конкурсы на kaggle.com
- Конкурсы на kaggle.com
23Введение в нейронные сети
- Введение в нейронные сети
- Тест. Введение в нейронные сети
24Обучение нейронных сетей в библиотеке PyTorch
- Обучение нейронных сетей в библиотеке PyTorch
25Сверточные нейронные сети
- Сверточные нейронные сети
26Архитектуры CNN и Transfer Learning
- Архитектуры CNN и Transfer Learning
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 «Курс по машинному обучению. «ИИ Старт» (архивный курс 2022)» и поможет разобраться в деталях обучения.
Нажимая кнопку, вы даете согласие на обработку персональных данных
Информация обновлена 7 сентября 2026 г.
Продолжить выбор
Похожие курсы
Начать без затрат
