Вы запускаете готовую модель цены по размерам изделия и читаете её построчно: что такое признаки и цель, чем обучение отличается от проверки и почему модель называет ориентир, а не точный ответ. Формулы встречаются редко и объясняются словами.
Машинное обучение на Python
Цена заказа, опоздание и группы заказов на данных мебельной мастерской
Берёте таблицу заказов вымышленной мастерской «Бобёр и рубанок» и за 24 урока доходите до отчёта: модель цены, предупреждение об опоздании, группы заказов и выводы с оговорками. В демо — первая модель курса: меняйте размеры и смотрите, какую цену она назовёт. Нужны основы Python и pandas.
2 790 ₽ за весь курс, одним платежом и без ограничения по времени. Первый урок открыт бесплатно — нужна только регистрация.
- scikit-learn и pandas работают прямо в уроке
- 126 задач с автоматической проверкой
- 6 проектов: от первой модели до рекомендаций мастерской
- Устанавливать программы не нужно
Цена по размерам
Изделие
28 000 ₽
Так отвечает линейная модель по трём размерам. На заказах, которых она не видела при обучении, она в среднем ошибается примерно на 6 900 ₽ при средней цене около 32 000 ₽. Как это проверять и улучшать — в курсе.
Четыре вопроса, с которыми приходят на этот курс
У каждого — модуль, где он разобран, и проект, где вы делаете это сами.
Вы находите столбец, который подсказывает ответ, видите, как ошибка на новых заказах расходится с ошибкой на обучающих, и проверяете модель на нескольких разбиениях, а не на одном. Так выглядит честная проверка.
Одну и ту же задачу вы решаете несколькими моделями — линейной, деревом, лесом, соседями — и сравниваете их по одной схеме и с простым ответом. Для цены считаете ошибку в рублях, для ответа «да или нет» — точность и полноту и двигаете порог под задачу.
Вы переводите ошибку в рубли и проценты, сравниваете с простым ответом и называете границы: где модель занижает цену и какие заказы ей не знакомы. Итоговый проект печатает такие выводы сам.
Четыре вещи, которые вы делаете в курсе сами
Каждую из них отрабатывают задачи и проекты модулей.
Подготовить таблицу
Заполнить пропуски, превратить слова в числа, привести признаки к одному масштабу и убрать столбцы-подсказки.
Обучить и сравнить модели
Линейную, дерево, случайный лес, градиентный бустинг и соседей — для цены и для ответа «да или нет».
Проверить честно
Отложить проверочные заказы, заметить переобучение, сравнить модели кросс-валидацией и подобрать параметры.
Рассказать о результате
Назвать ошибку в рублях, сравнить с простым ответом, найти группы заказов и описать, где модель может подвести.
На какой уровень рассчитан курс
Курс рассчитан на уровень «разбираюсь, как строить и проверять простую модель на табличных данных и как объяснять, чему в ней можно верить». Это основа, а не профессия: нейросети, тексты, изображения, временные ряды и запуск модели в работу в курс не входят. Вакансию он не гарантирует, и обещать её мы не станем.
6 проектов: по одному в конце каждого модуля
Проект — итоговая задача модуля: программа из нескольких функций, которую вы собираете по описанию. В заготовке названия функций уже есть, остальное пишете вы. Первый проект обучает и проверяет модель цены. Последний — отчёт для мастерской: программа готовит сырую таблицу, обучает модели цены и опоздания, находит группы заказов и печатает выводы. Между ними — чистая таблица, сравнение моделей цены, прогноз опоздания и поиск лучшей модели.
Образца перед глазами нет: есть описание поведения и тесты. Они запускают вашу программу на данных курса и на маленьких таблицах — и показывают, на чём она споткнулась.
- Модуль 1
Первая модель цены
Программа обучает модель цены на заказах мастерской, проверяет её на заказах, которых модель не видела, и называет цену нового изделия.
- Модуль 2
Чистая таблица для модели
Программа заполняет пропуски, превращает категории в числа, убирает столбцы-подсказки и делит заказы на обучающие и проверочные.
- Модуль 3
Прогноз цены заказа
Программа сравнивает несколько моделей цены, выбирает лучшую по ошибке на проверочных заказах и печатает, где она ошибается больше всего.
- Модуль 4
Прогноз опоздания
Программа обучает модель опоздания заказа, подбирает порог и печатает, сколько опозданий она находит и как часто ошибается.
- Модуль 5
Лучшая модель
Программа сравнивает модели кросс-валидацией, подбирает параметры лучшей и печатает, какие признаки ей важнее всего.
- Модуль 6
Рекомендации мастерской
Программа готовит таблицу, обучает и проверяет модели цены и опоздания, находит группы заказов и печатает выводы для мастерской.
Абзац — запуск — задача
Один приём за раз: объяснили, показали в работе, дали попробовать. И так до конца урока.
Три модели в одном цикле
У всех моделей scikit-learn одинаковые fit и predict, поэтому их можно сложить в словарь и пройти по нему циклом.
models = {
"линейная": LinearRegression(),
"дерево": DecisionTreeRegressor(max_depth=10),
"лес": RandomForestRegressor(n_estimators=30, max_depth=8),
}
for name, model in models.items():
model.fit(X_train, y_train)
print(name, round(mean_absolute_error(y_test, model.predict(X_test))))линейная 3848
дерево 3718
лес 3253- 1Примеры запускаете вы
Код не выполняется сам: вы нажимаете «Запустить», видите вывод и можете открыть пример в тренажёре и поменять под себя.
- 2Данные похожи на настоящие
Не «три строки для примера», а тысяча двести заказов с пропусками и столбцами, которые подсказывают ответ, — как в жизни.
- 3Ошибка — с переводом
Для частых ошибок рядом с сообщением scikit-learn — что оно значит по-русски и где искать причину.
Тревоги об опоздании при пороге 0,25
Программа считает тревогами почти все заказы. Исправьте столбец вероятностей: должно получиться 119.
probability = model.predict_proba(X_test)[:, 0]
print(int((probability >= 0.25).sum()))Число тревог при пороге 0,25ждали 119, получили 298predict_proba — вероятность «не опоздает», а нужна вероятность «опоздает»- 4Тесты запускают ваш код
Не сверяют с образцом, а выполняют программу или вызывают вашу функцию с разными данными. Как вы её написали — ваше дело.
- 5Проверяют то, о чём забывают
Перепутанный столбец, порядок аргументов, пустой список, граничное значение. Так появляется привычка думать об этом заранее.
- 6Подсказки, а не ответы
Первая наводит на мысль, следующая сужает поиск. Готовое решение открывается последним.
Задачи четырёх видов: угадать вывод программы, выбрать ответ, починить чужой код, написать свой. Чужой код чинят в каждом уроке — в машинном обучении неверные цифры нередко приходят без всякой ошибки.
6 модулей, 24 урока
Сначала первая модель и таблица заказов. Потом подготовка данных: от неё зависит честность проверки. Дальше регрессия для цены, классификация для опоздания, проверка и улучшение, а в конце группы заказов и итоговый проект. Раскройте модуль — под каждым уроком написано, что вы в нём делаете.
1Первая модель4 урока
- Что такое машинное обучение и первая модельВы узнаёте, что такое машинное обучение и какие бывают задачи, запускаете готовый код, который по размерам изделия называет цену, и читаете его построчно.
- Таблица заказов: признаки и то, что предсказываемВы читаете таблицу заказов, выбираете признаки и целевой столбец.
- Как читать код курса: что менять, а что оставитьВы разбираете готовую программу и меняете в ней нужное: столбцы, числа, модель.
- Обучение и проверка: честная оценка моделиВы делите заказы на обучающие и проверочные, обучаете модель и считаете, насколько она ошибается.
Проект: Первая модель цены. Программа обучает модель цены на заказах мастерской, проверяет её на заказах, которых модель не видела, и называет цену нового изделия.
В итоге: узнаёте, из чего состоит модель, и обучаете и проверяете самую простую.
2Подготовка данных4 урока
- Пропуски: что делать с пустыми ячейкамиВы находите пустые значения и заполняете их так, чтобы не исказить данные.
- Категории в числа: материал, изделие, тип клиентаВы превращаете текстовые столбцы в числа, с которыми работает модель.
- Масштаб признаков: когда он нуженВы приводите признаки к одному масштабу и проверяете, на каких моделях это важно.
- Утечки данных: почему модель «знает» слишком многоВы находите столбцы, которые подсказывают ответ, и убираете их.
Проект: Чистая таблица для модели. Программа заполняет пропуски, превращает категории в числа, убирает столбцы-подсказки и делит заказы на обучающие и проверочные.
В итоге: готовите таблицу так, чтобы модель училась честно.
3Регрессия: цена заказа4 урока
- Линейная регрессия: как читать коэффициентыВы обучаете линейную модель и объясняете, как каждый признак влияет на цену.
- Метрики ошибки: MAE, RMSE и R²Вы считаете ошибку тремя способами и понимаете, чем они отличаются.
- Деревья решений и случайный лес для ценыВы обучаете дерево и лес и сравниваете их с линейной моделью.
- Сравнение моделей и ошибки по группамВы сравниваете модели и смотрите, на каких заказах они ошибаются сильнее.
Проект: Прогноз цены заказа. Программа сравнивает несколько моделей цены, выбирает лучшую по ошибке на проверочных заказах и печатает, где она ошибается больше всего.
В итоге: прогнозируете числовой показатель и оцениваете, насколько прогнозу можно доверять.
4Классификация: опоздает ли заказ4 урока
- Логистическая регрессия: от вероятности к ответуВы получаете вероятность опоздания заказа и превращаете её в ответ «да» или «нет».
- Точность, полнота и матрица ошибокВы считаете, сколько опозданий модель нашла и сколько раз тревожила зря.
- Порог и ROC-AUC: компромиссы классификацииВы двигаете порог и выбираете его под задачу мастерской.
- Деревья и соседи: другие способы разделить заказыВы пробуете другие модели классификации и сравниваете результаты.
Проект: Прогноз опоздания. Программа обучает модель опоздания заказа, подбирает порог и печатает, сколько опозданий она находит и как часто ошибается.
В итоге: прогнозируете ответ «да» или «нет» и выбираете порог под задачу.
5Проверка и улучшение4 урока
- Переобучение: как заметить, что модель зазубрилаВы сравниваете ошибку на обучающих и проверочных заказах и находите переобучение.
- Кросс-валидация: проверка по частямВы проверяете модель на нескольких разбиениях, а не на одном.
- Подбор параметров: поиск по сеткеВы перебираете настройки модели и выбираете лучшие.
- Ансамбли и важность признаковВы обучаете случайный лес и градиентный бустинг и смотрите, какие признаки им важны.
Проект: Лучшая модель. Программа сравнивает модели кросс-валидацией, подбирает параметры лучшей и печатает, какие признаки ей важнее всего.
В итоге: проверяете модель надёжнее, чем одним разбиением, и улучшаете её осознанно.
6Группы заказов и итоговый проект4 урока
- Кластеризация: группы похожих заказовВы делите заказы на группы без готовых ответов.
- Сколько групп: проверка кластеровВы выбираете число групп и проверяете, насколько они различимы.
- Как рассказать о модели: выводы и ограниченияВы описываете модель так, чтобы коллега понял, чему можно верить, а чему нет.
- Итоговый проект: от таблицы до рекомендацииВы проходите весь путь — от сырой таблицы до рекомендации для мастерской.
Проект: Рекомендации мастерской. Программа готовит таблицу, обучает и проверяет модели цены и опоздания, находит группы заказов и печатает выводы для мастерской.
В итоге: проходите весь путь от таблицы до выводов и узнаёте, где модель может подвести.
За что вы платите
- 24 урока в 6 модулях. Текст, живые примеры и свободное окно для экспериментов в каждом.
- 126 задач. С тестами, подсказками и разбором после решения.
- 6 проектов. Первая модель цены, чистая таблица, прогноз цены, прогноз опоздания, поиск лучшей модели и итоговые рекомендации мастерской.
- Учебные данные. Таблица заказов вымышленной мастерской «Бобёр и рубанок»: 1 200 заказов и 18 столбцов, с пропусками и столбцами-подсказками. Компания выдумана, совпадения случайны.
- Тренажёр в браузере. Python с pandas и scikit-learn выполняется прямо во вкладке, настраивать и устанавливать нечего.
- Без расписания. Нет ни групп, ни сроков сдачи. Прогресс привязан к аккаунту, доступ без ограничения по времени.
Кому этот курс подойдёт
Знаете основы Python и pandas
Переменные, списки и словари, условия, циклы, функции, чтение таблицы и выбор столбцов. Если этого пока нет, начните с курсов «Python с нуля» и «Анализ данных на Python»: они есть на платформе.
Работаете с таблицами
Аналитик или специалист, который каждый день считает отчёты и хочет перейти от описания прошлого к прогнозам: построить прогноз по таблице и проверить, можно ли ему верить.
Хотите понять, как это устроено
Применять машинное обучение на работе необязательно: курс объясняет, что делает модель, как её проверяют и где она ошибается — на понятных заказах мастерской, а не на абстрактных числах.
Чего здесь не будет
Семь вещей, о которых честнее сказать до покупки.
- Установки на компьютер. Занятия проходят на сайте. Как поставить Python, scikit-learn и редактор кода, курс не рассказывает.
- Основ Python и pandas. Курс на них опирается: коротко напоминает нужное, но не учит с нуля. Для этого есть «Python с нуля» и «Анализ данных на Python».
- Нейросетей, текстов и изображений. Только модели для таблиц: линейные модели, деревья, леса, бустинг, соседи и кластеризация.
- Временных рядов и запуска модели в работу. Как прогнозировать по датам и как встроить модель в сервис — за рамками курса.
- Ваших файлов. Тренажёр работает с учебной таблицей курса: свои данные в него не загружаются. Таблица рассчитана на тысячи строк, а не на миллионы.
- Обещаний про работу. Курс даёт основу для простых моделей. До вакансии специалиста по данным ещё несколько тем, и гарантий трудоустройства мы не даём.
- Наставника. Решения проверяют тесты, а не человек. Поддержка поможет с оплатой, доступом и работой сайта, но код разбирать не будет.
Что спрашивают перед покупкой
Это настоящий scikit-learn?
Да. Программы выполняет настоящий интерпретатор Python 3.14 с библиотеками pandas 3.0 и scikit-learn 1.8, собранный для браузера. Код из уроков работает и на вашем компьютере. В тренажёре не работают вещи за рамками курса: графики, сеть и сторонние пакеты.
Нужно ли знать Python?
Да, основы нужны: переменные, списки и словари, циклы, функции, чтение таблицы. Если они уже есть, можно начинать. Если нет, сначала пройдите «Python с нуля» и «Анализ данных на Python»: оба есть на платформе. В уроке 3 есть краткое напоминание о Python, но оно не заменяет этих курсов.
Нужна ли математика?
Формулы встречаются редко и объясняются словами и примерами. Курс опирается на понимание того, что значит каждое число — ошибка, точность, полнота, — а не на вывод формул.
Почему урок открывается не сразу?
При первом открытии браузер загружает Python, pandas и scikit-learn — около 40 МБ — и подготавливает их к работе. Обычно это от двадцати секунд до минуты, дальше всё хранится в памяти браузера. На старом телефоне или со слабым интернетом дольше — лучше заниматься с компьютера.
Данные настоящие?
Нет, мастерская «Бобёр и рубанок» выдумана, совпадения случайны. Данные устроены как настоящие: в них есть пропуски, столбцы, которые подсказывают ответ, и заказы, на которых модели ошибаются сильнее, — чтобы вы научились находить такие места. Реальных персональных данных в курсе нет.
Сколько это займёт?
Около 16 часов: от получаса до часа на урок, итоговый проект дольше. Если заниматься по часу в будний день, выйдет около трёх недель. Курс не привязан к срокам: заниматься можно в своём темпе.
Что дальше после курса?
После курса можно строить и проверять простые модели на табличных данных и объяснять, чему в них можно верить. Следующие шаги — нейросети, работа с большими данными и запуск моделей в работу. Они в курс не входят, вакансию он не гарантирует.
А если я застряну на задаче?
У каждой задачи несколько подсказок, от общей к конкретной, а после них открывается решение. Если задача не получается, подсказки помогают двигаться дальше, а решение, найденное самостоятельно, запоминается лучше.
Можно учиться с телефона?
Читать уроки можно, но решать задачи и тем более проекты удобнее на компьютере: программы длинные, а scikit-learn тяжёлый для маленьких устройств и первой загрузки в 40 МБ.
Запустите первую модель и посмотрите, что она умеет
Откройте первый урок: за полчаса можно узнать, что такое модель, запустить готовую программу, которая называет цену изделия по размерам, и прочитать её построчно. Дальше — ещё 23 урока и 6 проектов за 2 790 ₽.