Как измерять качество классификации, регрессии и ранжирования: матрица ошибок, кривые, вероятности, ошибки прогноза и метрики выдачи.

Как устроены классические модели: постановка задачи, оптимизация, линейные модели, деревья, ансамбли и снижение размерности.

Показывает, как устроены исполнение, типы, коллекции, функции, итерации, ООП и конкурентность в Python.

Как устроить микросервис на Python: границы сервиса, каркас проекта, HTTP и FastAPI, данные, Docker и проверки, без которых его не запустить.

Путь от новичка до уверенного пользователя GitHub: от первого коммита до CI/CD и командной работы

Как читать и собирать таблицы, строить графики и готовить признаки в pandas, не раздувая память.

Путь по SQL: модель данных, запросы, соединения, окна, нормализация и индексы.