Машинное обучение с нуля на Python: первая модель
Бесплатный курс машинного обучения на Python: обучите первую модель в scikit-learn, проверьте её качество и решите 106 задач в браузере.
О курсе
Возьмите таблицу с данными и попробуйте предсказать значение, которого в ней ещё нет. На курсе вы пройдёте этот путь руками: выделите признаки и целевую переменную, обучите модель в scikit-learn и получите первое предсказание уже в начале обучения.
Затем разберётесь, когда предсказанию можно доверять. Разделите данные на обучающую и проверочную части, сравните модель с простым baseline, научитесь замечать утечку данных и выбирать метрики под задачу. Для числового прогноза используете линейную регрессию, для ответа «да или нет» — логистическую; поработаете и с метками, и с вероятностями.
В двух небольших проектах вы спрогнозируете срок доставки и оцените риск задержки: от исходной таблицы до проверки качества и вывода по результатам. В конце сохраните обученную модель.
Это бесплатный практический курс машинного обучения на Python: 25 уроков и 106 заданий с проверкой в браузере. Для старта достаточно базового Python и знакомства с таблицами. Если нужно освежить NumPy и pandas, начните с практического тренажёра NumPy и pandas. Наборы данных для проектов входят в курс.
Попробуйте открытые уроки
Чему научитесь
- Обучать первую модель на Python и scikit-learn: от признаков до предсказания
- Разделять данные на train/test, строить baseline и замечать утечки
- Применять линейную регрессию и логистическую классификацию
- Выбирать метрики качества для числового прогноза и классификации
- Решать задачи на реальных таблицах и сохранять обученную модель
Для кого
- Разработчики и аналитики с базовым Python, которые начинают изучать ML
- Те, кто хочет обучить первую модель на табличных данных и проверить результат
Формат
- 25 уроков, 106 заданий с проверкой в браузере и два проекта на данных доставки
- Около 22 часов практики в свободном темпе
Что нужно на старте
- Базовый Python и основы NumPy/pandas
Автор курса
Алексей Малышкин
Разрабатываю образовательные материалы по программированию, машинному обучению и анализу данных. Темы: Python-разработка, аналитика, ML-инструменты (LangChain, vector databases, AI agents), компьютерное зрение. Стараюсь объяснять технические концепции понятно и структурировано. Ранее преподавал на Stepik и обучил более 2000 студентов. Мой профиль на Stepik - https://stepik.org/users/273781420/profile Мой телеграм для связи @alexey_latorn
