В этом материале есть ссылки партнеров. Это значит, что если вы что-то покупаете с нашей помощью — вы также поддерживаете dev.by. (Вот другой способ).
При этом редакция и авторы независимы в выборе темы, концепции материала, фокуса описания, подхода к услугам или товарам. Прежде чем что-то советовать, мы много читаем и смотрим по теме, говорим с экспертами.
Редакция может выражать свое мнение и пробовать всё на себе.
Если рекомендательный материал обновляется, мы указываем, что и когда поменялось, в самом начале.
На этом курсе вы научитесь создавать модели машинного обучения на Python, используя популярные библиотеки машинного обучения NumPy и scikit-learn, а также будете создавать и обучать модели машинного обучения с учителем для задач прогнозирования и двоичной классификации, включая линейную регрессию и логистическую регрессию.
Курс входит в специализацию «Machine Learning» — это базовая онлайн-программа, созданная в сотрудничестве DeepLearning.AI и Stanford Online, где можно изучить основы машинного обучения и то, как использовать эти методы для создания реальных приложений искусственного интеллекта.
Этот курс, а также всю специализацию «Machine Learning» преподает Эндрю Нг, доцент Стэнфордского университета, исследователь робототехники и машинного обучения, который руководил критическими исследованиями в Стэнфордском университете и новаторской работой в Google Brain, Baidu и Landing.AI.
Стоимость обучения: 7 дней бесплатно, дальше $39 в месяц. После прохождения курса не забудьте отменить подписку, иначе с вас продолжат снимать деньги, вернуть их будет нельзя.
Можно приобрести подписку Coursera Plus и за $49 в месяц иметь неограниченный доступ к курсам, проектам с консультациями, специализациям и профессиональным сертификациям.
Продолжительность: примерно 15 часов.
Язык: английский.
Рейтинг: на Coursera курс набрал 4.9, за него проголосовали больше 13 тысяч студентов.
Если этот курс вам не подходит, но вы хотите развиваться в Machine Learning — обратите внимание на наши материалы:
Подарки к 14 февраля, которые точно будут радовать, а не пылиться на полке
Подарок для галочки — так себе идея. Зато к любому празднику отлично работают вещи, у которых есть смысл, качество и понятный сценарий использования. Будь то отдых, фокус, хобби или маленький апгрейд повседневной жизни.
UI/UX для разработчика: базовые принципы и курсы, которые помогут не накосячить с интерфейсом
Внутренние интерфейсы редко попадают в портфолио дизайнеров. Админки, конфиг-панели и сервисы для своих чаще всего делает сам разработчик — по-быстрому и без особых ожиданий к внешнему виду. Эти интерфейсы редко бывают удобны в работе из-за базовых UX-ошибок: перегруженных экранов, непредсказуемого поведения и логики, которая понятна только автору.
CKA или облачный натив: какой DevOps-сертификат реально работает на карьеру
Работа DevOps — уже не только деплой. Сегодня это ответственность за инфраструктурные решения, отказоустойчивость и, в конечном итоге, за деньги бизнеса. А ваша сертификация в этой точке — не галочка в резюме, а сигнал рынку: что умеете и где можете быть полезны.
Авторские права и чистые IP: почему в 2026 году мало одного сервера в Германии
К 2026 году интернет стал слишком сложным механизмом, на который влияют санкции, цифровые границы и законы об авторском праве. И сейчас куда важнее, чем раньше, где физически расположен сервер для вашего проекта. От этого зависят и безопасность, и прозрачность, и личный комфорт.
На реальных кейсах разбираемся, почему в 2026 году лучше иметь несколько локаций для VPS и когда это играет решающую роль.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.