Slurm, Слёрм - Data Science - введение в машинное обучение (2024)

磁力链接/BT种子名称

Slurm, Слёрм - Data Science - введение в машинное обучение (2024)

磁力链接/BT种子简介

种子哈希：5db7f09eb4b294c7f497e73a2b24c28558f0ba4e
文件大小： 8.43G
已经下载：15次
下载速度：极快
收录时间：2025-09-13
最近下载：2025-09-14

移花宫入口

移花宫.com邀月.com怜星.com花无缺.comyhgbt.icuyhgbt.top

磁力链接下载

magnet:?xt=urn:btih:5DB7F09EB4B294C7F497E73A2B24C28558F0BA4E
推荐使用PIKPAK网盘下载资源，10TB超大空间，不限制资源，无限次数离线下载，视频在线观看

下载BT种子文件

磁力链接 迅雷下载 PIKPAK在线播放 世界之窗 91视频 含羞草 欲漫涩 逼哩逼哩 成人快手 51品茶 抖阴破解版 极乐禁地 91短视频 暗网Xvideo TikTok成人版 PornHub 听泉鉴鲍 少女日记 草榴社区 哆哔涩漫 呦乐园 萝莉岛 悠悠禁区 拔萝卜 疯马秀

最近搜索

文件列表

  • 15 Заключение/01 проект2-nlp/проект2-nlp/rich_cards_big_dump.train.jsonl 1.0 GB
  • 15 Заключение/01 проект2-nlp/проект2-nlp/rich_cards_big_dump.test.jsonl 394.0 MB
  • 15 Заключение/01 проект2-nlp/проект2-nlp/rich_cards_big_dump.unknown.jsonl 392.2 MB
  • 15 Заключение/02 ml-10m/ml-10M100K/ratings.dat 265.1 MB
  • 06 Обучение с учителем - Классификация/5. Практика/01 Обучим логистическую регрессию.mp4 205.0 MB
  • 11 Введение в глубокое обучение (DL + CV)/09 Сверточные нейронные сети в PyTorch. Transfer learning & fine-tuning.mp4 174.6 MB
  • 11 Введение в глубокое обучение (DL + CV)/04 Нейронные сети на PyTorch.mp4 168.2 MB
  • 07 Деревья решений/2. Деревья решений/05 Практическая демонстрация.mp4 148.4 MB
  • 09 Оптимизация ML пайплайна/5. ML Pipeline/03 AutoML на примере PyCaret.mp4 128.3 MB
  • 04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/03 One-hot encoding.mp4 122.5 MB
  • 08 Обучение без учителя/1. Задача кластеризации/15 Демонстрация инструментов кластеризации.mp4 118.3 MB
  • 04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/03 Масштабирование.mp4 115.3 MB
  • 09 Оптимизация ML пайплайна/5. ML Pipeline/02 ML-пайплайны в scikit-learn.mp4 112.4 MB
  • 13 Введение в рекомендательные системы (RecSys)/06 Практическая демонстрация.mp4 109.7 MB
  • 05 Обучение с учителем - Регрессия/8. Практика/01 Практическая демонстрация.mp4 104.9 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/08 Практическая демонстрация.mp4 96.0 MB
  • 14 ML System Design/05.1 Пример дизайна — прогноз спроса.mp4 95.5 MB
  • 08 Обучение без учителя/2. Задача понижения размерности/03 Практическая демонстрация.mp4 94.7 MB
  • 08 Обучение без учителя/2. Задача понижения размерности/05 Практическая демонстрация.mp4 94.7 MB
  • 02 Анализ данных/3. Приемы анализа данных - cводные показатели/03 Сводные показатели. Часть 2.mp4 94.4 MB
  • 09 Оптимизация ML пайплайна/4. Оптимизация гиперпараметров/03 Hyperopt.mp4 91.8 MB
  • 08 Обучение без учителя/3. Быстрый поиск ближайших соседей/01 Поиск ближайших соседей.mp4 91.0 MB
  • 12 Введение в обработку текстов (NLP)/08 Классификация текстов. Практическая демонстрация.mp4 84.9 MB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/01 Библиотека matplotlib.mp4 82.3 MB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/10 Методы кросс-валидации из библиотеки sklearn.mp4 81.9 MB
  • 07 Деревья решений/4. Бустинг/07 Практическая демонстрация. Часть 1. Введение.mp4 80.0 MB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/03 одномерный анализ.mp4 76.3 MB
  • 06 Обучение с учителем - Классификация/3. Многоклассовая классификация/01 Многоклассовая классификация.mp4 75.4 MB
  • 09 Оптимизация ML пайплайна/4. Оптимизация гиперпараметров/02 Использование инструментов поиска гиперпараметра.mp4 74.3 MB
  • 14 ML System Design/04.1 Пример дизайна — оптимизация маркетинга.mp4 73.7 MB
  • 01 Введение в машинное обучение/5. Библиотека Pandas/03 Библиотека Pandas. Операции над таблицами.mp4 69.2 MB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/01 Переобучение, недообучение.mp4 69.0 MB
  • 11 Введение в глубокое обучение (DL + CV)/03 Обучение нейронных сетей. Оптимизаторы.mp4 68.2 MB
  • 09 Оптимизация ML пайплайна/3. Метамодели/02 Блендинг и стекинг. Часть 1.mp4 67.9 MB
  • 13 Введение в рекомендательные системы (RecSys)/01 Рекомендательные системы.mp4 67.3 MB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/05 многомерный анализ.mp4 67.0 MB
  • 06 Обучение с учителем - Классификация/2. Метрики качества классификации/03 Оценки качества по скорам модели.mp4 66.4 MB
  • 03 Постановка задачи машинного обучения на примере kNN/7. Практика/01 Разбираем задачу на примере kNN.mp4 66.0 MB
  • 06 Обучение с учителем - Классификация/1. Логистическая регрессия/01 Логистическая регрессия.mp4 65.7 MB
  • 08 Обучение без учителя/2. Задача понижения размерности/02 Метод главных компонент.mp4 65.1 MB
  • 01 Введение в машинное обучение/4. Библиотека NumPy/01 Библиотека NumPy. Создание массивов.mp4 63.4 MB
  • 05 Обучение с учителем - Регрессия/5. Регуляризация линейных моделей/01 Регуляризация.mp4 59.9 MB
  • 01 Введение в машинное обучение/4. Библиотека NumPy/05 Библиотека NumPy. Индексация в массивах.mp4 59.3 MB
  • 07 Деревья решений/2. Деревья решений/03 Детали алгоритма.mp4 58.4 MB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/03 Дизайны оценки качества.mp4 58.1 MB
  • 11 Введение в глубокое обучение (DL + CV)/06 Сверточная нейронная сеть (CNN).mp4 56.3 MB
  • 05 Обучение с учителем - Регрессия/4. Алгоритм градиентного спуска/01 Алгоритм градиентного спуска.mp4 55.6 MB
  • 08 Обучение без учителя/1. Задача кластеризации/12 Метрики качества.mp4 54.7 MB
  • 01 Введение в машинное обучение/4. Библиотека NumPy/03 Библиотека NumPy. Операции над массивами.mp4 54.6 MB
  • 09 Оптимизация ML пайплайна/4. Оптимизация гиперпараметров/01 Оптимизация гиперпараметров.mp4 54.1 MB
  • 06 Обучение с учителем - Классификация/2. Метрики качества классификации/01 Метрики качества.mp4 53.9 MB
  • 12 Введение в обработку текстов (NLP)/06 Машинный перевод.mp4 51.9 MB
  • 11 Введение в глубокое обучение (DL + CV)/02 Математическая модель нейрона. Нейронная сеть.mp4 51.5 MB
  • 01 Введение в машинное обучение/3. Настройка рабочего окружения/01 Настраиваем рабочее окружение.mp4 50.2 MB
  • 04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/07 Нелинейные трансформации.mp4 49.1 MB
  • 02 Анализ данных/2. Качество данных и типы данных/01 Качество и типы данных.mp4 48.5 MB
  • 07 Деревья решений/4. Бустинг/09 Практическая демонстрация. Часть 4. Отбор признаков и анализ модели.mp4 48.3 MB
  • 08 Обучение без учителя/1. Задача кластеризации/01 Кластеризация.mp4 48.1 MB
  • 12 Введение в обработку текстов (NLP)/02 Классические методы NLP.mp4 47.8 MB
  • data_scientist-main/module07/homework/data/train.csv 46.7 MB
  • 14 ML System Design/02.2 Декомпозиция ML-проекта.mp4 46.4 MB
  • 14 ML System Design/03 ML System Design.mp4 45.6 MB
  • 09 Оптимизация ML пайплайна/3. Метамодели/03 Блендинг и стекинг. Часть 2.mp4 45.5 MB
  • 12 Введение в обработку текстов (NLP)/04 Word2Vec и FastText.mp4 45.1 MB
  • 14 ML System Design/02.1 ML-проект.mp4 44.6 MB
  • 07 Деревья решений/4. Бустинг/13 Практическая демонстрация. Часть 3. Eval feature.mp4 44.4 MB
  • 05 Обучение с учителем - Регрессия/2. Линейная регрессия/01 Линейная регрессия.mp4 43.5 MB
  • 02 Анализ данных/3. Приемы анализа данных - cводные показатели/01 Сводные показатели. Часть 1.mp4 43.2 MB
  • 05 Обучение с учителем - Регрессия/3. Аналитическое решение/01 Аналитическое решение.mp4 41.7 MB
  • 12 Введение в обработку текстов (NLP)/03 Предобработка текстов. Практическая демонстрация.mp4 40.7 MB
  • 03 Постановка задачи машинного обучения на примере kNN/4. Взвешенный алгоритм k-ближайших соседей/01 Улучшения алгоритма kNN.mp4 40.4 MB
  • 09 Оптимизация ML пайплайна/2. Target encoding/01 Target encoding.mp4 39.6 MB
  • 08 Обучение без учителя/1. Задача кластеризации/03 Алгоритм K-means.mp4 38.3 MB
  • 13 Введение в рекомендательные системы (RecSys)/04.2 Матричная факторизация.mp4 37.5 MB
  • 01 Введение в машинное обучение/5. Библиотека Pandas/01 Библиотека Pandas. Типы данных библиотеки.mp4 37.3 MB
  • 09 Оптимизация ML пайплайна/5. ML Pipeline/01 ML-Pipeline.mp4 36.6 MB
  • 05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/01 Метрики качества.mp4 36.1 MB
  • 11 Введение в глубокое обучение (DL + CV)/05 Computer vision. Машинное представление изображения. Операции с изображениями.mp4 35.8 MB
  • 11 Введение в глубокое обучение (DL + CV)/08 Эффективные свертки, Inception. Глубокие сверточные сети, ResNet.mp4 35.5 MB
  • 13 Введение в рекомендательные системы (RecSys)/04.3 Нейросетевые модели.mp4 35.2 MB
  • 15 Заключение/01 проект2-nlp/проект2-nlp/submission_sample.csv 33.9 MB
  • 03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/03 Постановка задачи машинного обучения.mp4 33.8 MB
  • 09 Оптимизация ML пайплайна/3. Метамодели/04 Блендинг и стекинг. Часть 3.mp4 33.7 MB
  • 08 Обучение без учителя/1. Задача кластеризации/09 Алгоритм DBSCAN.mp4 32.8 MB
  • 09 Оптимизация ML пайплайна/3. Метамодели/01 Метамодели.mp4 32.4 MB
  • 15 Заключение/01 проект2-nlp/проект2-nlp/submission_test.csv 31.7 MB
  • 04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/05 Обработка выборосов.mp4 31.3 MB
  • 01 Введение в машинное обучение/4. Библиотека NumPy/07 Библиотека NumPy. Дополнительные операции.mp4 30.7 MB
  • 08 Обучение без учителя/2. Задача понижения размерности/01 Проклятие размерности.mp4 30.4 MB
  • 04 Валидация модели и подготовка данных/3. Подготовка данных. Пропущенные значения/01 Пропущенные значения.mp4 30.4 MB
  • 03 Постановка задачи машинного обучения на примере kNN/3. Алгоритм k-ближайших соседей/01 Алгоритм kNN.mp4 30.4 MB
  • 13 Введение в рекомендательные системы (RecSys)/02 Задача ранжирования.mp4 30.4 MB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/05 Подбор гиперпараметров.mp4 29.9 MB
  • 08 Обучение без учителя/2. Задача понижения размерности/04 t-SNE и UMAP.mp4 29.7 MB
  • 12 Введение в обработку текстов (NLP)/05 Языковые модели.mp4 29.5 MB
  • 13 Введение в рекомендательные системы (RecSys)/03 Метрики ранжирования.mp4 29.4 MB
  • 01 Введение в машинное обучение/2. Цикл разработки модели и специалисты в сфере анализа данных/01 Цикл разработки моделей.mp4 29.2 MB
  • 03 Постановка задачи машинного обучения на примере kNN/5. Виды расстояний и проблемы метода k-ближайших соседей/01 Подбор гиперпараметров kNN.mp4 29.1 MB
  • 12 Введение в обработку текстов (NLP)/01 NLP. Примеры задач.mp4 28.5 MB
  • 11 Введение в глубокое обучение (DL + CV)/07 ImageNet. Alexnet, VGG.mp4 28.4 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/03 Бэггинг.mp4 27.8 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/06 Random Forest.mp4 27.0 MB
  • 04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/07 Frequency encoding.mp4 26.1 MB
  • 01 Введение в машинное обучение/1. Введение. Структура курса/03 Акутализация темы и структура курса.mp4 25.4 MB
  • 11 Введение в глубокое обучение (DL + CV)/10 Итоги.mp4 24.8 MB
  • 07 Деревья решений/4. Бустинг/05 Практическая демонстрация AdaBoost.mp4 23.8 MB
  • 13 Введение в рекомендательные системы (RecSys)/04.1 Memory-based подход.mp4 23.5 MB
  • 08 Обучение без учителя/1. Задача кластеризации/06 Иерархическая кластеризация.mp4 23.5 MB
  • 07 Деревья решений/4. Бустинг/01 Бустинг.mp4 23.2 MB
  • 14 ML System Design/06 Итоги.mp4 22.1 MB
  • 07 Деревья решений/4. Бустинг/03 Градиентный бустинг.mp4 20.6 MB
  • 07 Деревья решений/4. Бустинг/11 Практическая демонстрация. Часть 2. Early Stopping и визуализация обучения.mp4 20.5 MB
  • 04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/01 Численные признаки.mp4 19.1 MB
  • 09 Оптимизация ML пайплайна/6. Итоги/01 Итоги.mp4 19.0 MB
  • 04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/05 Label Encoding.mp4 18.9 MB
  • 04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/01 Категориальные признаки.mp4 18.6 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/01 Ансамблирование алгоритмов.mp4 17.4 MB
  • 04 Валидация модели и подготовка данных/6. Итоги/01 Итоги темы.mp4 17.1 MB
  • 03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/01 Глоссарий.mp4 16.5 MB
  • 13 Введение в рекомендательные системы (RecSys)/05 Проблемы рекомендательных систем.mp4 14.9 MB
  • 02 Анализ данных/5. Итоги/01 Итоги темы.mp4 14.7 MB
  • 12 Введение в обработку текстов (NLP)/07 Transfer Learning в LLM.mp4 13.7 MB
  • 07 Деревья решений/2. Деревья решений/01 Введение.mp4 12.4 MB
  • 08 Обучение без учителя/1. Задача кластеризации/16 Конспект.pdf 12.4 MB
  • data_scientist-main/module07/homework/data/test.csv 11.8 MB
  • 04 Валидация модели и подготовка данных/1. Введение/01 Введение.mp4 11.1 MB
  • 02 Анализ данных/1. Введение/01 Зачем Data Scientist’у анализ данных.mp4 9.5 MB
  • 06 Обучение с учителем - Классификация/4. Итоги/01 Итоги темы.mp4 9.0 MB
  • 05 Обучение с учителем - Регрессия/5. Регуляризация линейных моделей/02 Конспект.pdf 8.8 MB
  • 07 Деревья решений/2. Деревья решений/07 Плюсы и минусы дерева решений.mp4 8.5 MB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/06 Конспект.pdf 8.2 MB
  • 03 Постановка задачи машинного обучения на примере kNN/4. Взвешенный алгоритм k-ближайших соседей/02 Конспект.pdf 7.6 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/09 Конспект.pdf 7.4 MB
  • 07 Деревья решений/5. Итоги/01 Итоги.mp4 7.2 MB
  • 08 Обучение без учителя/1. Задача кластеризации/02 Конспект.pdf 6.9 MB
  • 06 Обучение с учителем - Классификация/5. Практика/02 Конспект.pdf 6.3 MB
  • 08 Обучение без учителя/1. Задача кластеризации/10 Конспект.pdf 6.0 MB
  • 01 Введение в машинное обучение/3. Настройка рабочего окружения/02 Текстовая расшифровка.pdf 5.6 MB
  • 07 Деревья решений/2. Деревья решений/06 Конспект.pdf 5.0 MB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/04 Конспект.pdf 4.3 MB
  • 08 Обучение без учителя/2. Задача понижения размерности/08 Конспект.pdf 4.1 MB
  • data_scientist-main/module07/workshop/lesson-03-step-03-part-02.ipynb 4.1 MB
  • 01 Введение в машинное обучение/4. Библиотека NumPy/04 Конспект.pdf 4.1 MB
  • 01 Введение в машинное обучение/5. Библиотека Pandas/04 Конспект.pdf 3.9 MB
  • 08 Обучение без учителя/1. Задача кластеризации/04 Конспект.pdf 3.8 MB
  • 05 Обучение с учителем - Регрессия/8. Практика/02 Конспект.pdf 3.8 MB
  • 04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/08 Конспект.pdf 3.7 MB
  • 06 Обучение с учителем - Классификация/2. Метрики качества классификации/04 Конспект.pdf 3.6 MB
  • 07 Деревья решений/4. Бустинг/08 Конспект.pdf 3.6 MB
  • 15 Заключение/02 ml-10m/ml-10M100K/tags.dat 3.6 MB
  • 04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/04 Конспект.pdf 3.5 MB
  • 01 Введение в машинное обучение/4. Библиотека NumPy/06 Конспект.pdf 3.5 MB
  • 01 Введение в машинное обучение/1. Введение. Структура курса/02 Как учиться.pdf 3.4 MB
  • 02 Анализ данных/3. Приемы анализа данных - cводные показатели/04 Конспект.pdf 3.4 MB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/02 Конспект.pdf 3.1 MB
  • 07 Деревья решений/4. Бустинг/12 Конспект.pdf 3.1 MB
  • 06 Обучение с учителем - Классификация/1. Логистическая регрессия/02 Конспект.pdf 2.9 MB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/02 Конспект.pdf 2.8 MB
  • 01 Введение в машинное обучение/4. Библиотека NumPy/02 Конспект.pdf 2.8 MB
  • 04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/04 Конспект.pdf 2.8 MB
  • 08 Обучение без учителя/2. Задача понижения размерности/07 Конспект.pdf 2.8 MB
  • 07 Деревья решений/4. Бустинг/14 Конспект.pdf 2.7 MB
  • 04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/02 Конспект.pdf 2.6 MB
  • 07 Деревья решений/4. Бустинг/10 Конспект.pdf 2.6 MB
  • 06 Обучение с учителем - Классификация/2. Метрики качества классификации/02 Конспект.pdf 2.6 MB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/11 Конспект.pdf 2.5 MB
  • 07 Деревья решений/2. Деревья решений/04 Конспект.pdf 2.5 MB
  • 08 Обучение без учителя/1. Задача кластеризации/13 Конспект.pdf 2.4 MB
  • 03 Постановка задачи машинного обучения на примере kNN/7. Практика/02 Конспект.pdf 2.4 MB
  • 05 Обучение с учителем - Регрессия/4. Алгоритм градиентного спуска/02 Конспект.pdf 2.3 MB
  • 03 Постановка задачи машинного обучения на примере kNN/5. Виды расстояний и проблемы метода k-ближайших соседей/02 Конспект.pdf 2.3 MB
  • 05 Обучение с учителем - Регрессия/2. Линейная регрессия/02 Конспект.pdf 2.2 MB
  • 08 Обучение без учителя/1. Задача кластеризации/07 Конспект.pdf 2.2 MB
  • data_scientist-main/module08/workshop/pca_demo.ipynb 2.2 MB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/04 Конспект.pdf 2.1 MB
  • 02 Анализ данных/3. Приемы анализа данных - cводные показатели/02 Конспект.pdf 2.1 MB
  • 03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/04 Конспект.pdf 2.0 MB
  • data_scientist-main/module07/workshop/lesson-01-step-03.ipynb 2.0 MB
  • data_scientist-main/module07/workshop/lesson-02-step-04.ipynb 1.9 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/10 Итоги урока.mp4 1.9 MB
  • 01 Введение в машинное обучение/4. Библиотека NumPy/08 Конспект.pdf 1.9 MB
  • 07 Деревья решений/4. Бустинг/04 Конспект.pdf 1.9 MB
  • 05 Обучение с учителем - Регрессия/3. Аналитическое решение/02 Конспект.pdf 1.9 MB
  • data_scientist-main/module02/workshop/lesson02-matplotlib.ipynb 1.8 MB
  • data_scientist-main/module08/homework/6M-0K-99K.users.dataset.public.csv.gz 1.8 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/04 Конспект.pdf 1.8 MB
  • 01 Введение в машинное обучение/5. Библиотека Pandas/02 Конспект.pdf 1.8 MB
  • 02 Анализ данных/5. Итоги/03 Дополнительные материалы.pdf 1.8 MB
  • data_scientist-main/module08/workshop/cluster_demo.ipynb 1.7 MB
  • data_scientist-main/module08/workshop/cluster_mnist.ipynb 1.7 MB
  • 05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/02 Конспект.pdf 1.7 MB
  • 03 Постановка задачи машинного обучения на примере kNN/3. Алгоритм k-ближайших соседей/02 Конспект.pdf 1.7 MB
  • 01 Введение в машинное обучение/1. Введение. Структура курса/04 Вводное занятие.pdf 1.6 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/02 Конспект.pdf 1.6 MB
  • 08 Обучение без учителя/2. Задача понижения размерности/02 Метод главных компонент.pdf 1.6 MB
  • 02 Анализ данных/3. Приемы анализа данных - cводные показатели/03 Сводные показатели. Часть 2.pdf 1.6 MB
  • 06 Обучение с учителем - Классификация/3. Многоклассовая классификация/02 Конспект.pdf 1.6 MB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/03 одномерный анализ.pdf 1.6 MB
  • data_scientist-main/module07/homework/data/macro.csv 1.6 MB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/05 многомерный анализ.pdf 1.5 MB
  • 02 Анализ данных/2. Качество данных и типы данных/02 Конспект.pdf 1.5 MB
  • 06 Обучение с учителем - Классификация/3. Многоклассовая классификация/01 Многоклассовая классификация.pdf 1.5 MB
  • 05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/01 Метрики качества.pdf 1.5 MB
  • 06 Обучение с учителем - Классификация/2. Метрики качества классификации/01 Метрики качества.pdf 1.5 MB
  • 08 Обучение без учителя/2. Задача понижения размерности/04 t-SNE и UMAP.pdf 1.5 MB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/01 Переобучение, недообучение.pdf 1.5 MB
  • 13 Введение в рекомендательные системы (RecSys)/04.3 Нейросетевые модели.pdf 1.5 MB
  • 13 Введение в рекомендательные системы (RecSys)/04.2 Матричная факторизация.pdf 1.5 MB
  • 08 Обучение без учителя/3. Быстрый поиск ближайших соседей/01 Поиск ближайших соседей.pdf 1.5 MB
  • 09 Оптимизация ML пайплайна/5. ML Pipeline/02 ML-пайплайны в scikit-learn.pdf 1.5 MB
  • 09 Оптимизация ML пайплайна/4. Оптимизация гиперпараметров/02 Использование инструментов поиска гиперпараметра.pdf 1.5 MB
  • 06 Обучение с учителем - Классификация/2. Метрики качества классификации/03 Оценки качества по скорам модели.pdf 1.5 MB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/03 Дизайны оценки качества.pdf 1.5 MB
  • 11 Введение в глубокое обучение (DL + CV)/05 Computer vision. Машинное представление изображения. Операции с изображениями.pdf 1.5 MB
  • 01 Введение в машинное обучение/2. Цикл разработки модели и специалисты в сфере анализа данных/02 Конспект.pdf 1.5 MB
  • 09 Оптимизация ML пайплайна/4. Оптимизация гиперпараметров/01 Оптимизация гиперпараметров.pdf 1.5 MB
  • 02 Анализ данных/3. Приемы анализа данных - cводные показатели/01 Сводные показатели. Часть 1.pdf 1.5 MB
  • 08 Обучение без учителя/1. Задача кластеризации/06 Иерархическая кластеризация.pdf 1.5 MB
  • 03 Постановка задачи машинного обучения на примере kNN/4. Взвешенный алгоритм k-ближайших соседей/01 Улучшения алгоритма kNN.pdf 1.5 MB
  • 05 Обучение с учителем - Регрессия/2. Линейная регрессия/01 Линейная регрессия.pdf 1.5 MB
  • 11 Введение в глубокое обучение (DL + CV)/02 Математическая модель нейрона. Нейронная сеть.pdf 1.5 MB
  • 05 Обучение с учителем - Регрессия/5. Регуляризация линейных моделей/01 Регуляризация.pdf 1.5 MB
  • data_scientist-main/module06/additional_notes/theme06-imbalanced-classification.ipynb 1.5 MB
  • 13 Введение в рекомендательные системы (RecSys)/04.1 Memory-based подход.pdf 1.5 MB
  • 08 Обучение без учителя/2. Задача понижения размерности/01 Проклятие размерности.pdf 1.5 MB
  • 08 Обучение без учителя/1. Задача кластеризации/01 Кластеризация.pdf 1.5 MB
  • 13 Введение в рекомендательные системы (RecSys)/01 Рекомендательные системы.pdf 1.5 MB
  • 03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/03 Постановка задачи машинного обучения.pdf 1.5 MB
  • 04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/06 Конспект.pdf 1.5 MB
  • 13 Введение в рекомендательные системы (RecSys)/02 Задача ранжирования.pdf 1.5 MB
  • 01 Введение в машинное обучение/2. Цикл разработки модели и специалисты в сфере анализа данных/01 Цикл разработки моделей.pdf 1.5 MB
  • data_scientist-main/module13/workshop/recsys.ipynb 1.5 MB
  • 06 Обучение с учителем - Классификация/1. Логистическая регрессия/01 Логистическая регрессия.pdf 1.5 MB
  • 13 Введение в рекомендательные системы (RecSys)/03 Метрики ранжирования.pdf 1.5 MB
  • data_scientist-main/module05/homework/eta-prediction-data.csv.gz 1.5 MB
  • 08 Обучение без учителя/1. Задача кластеризации/03 Алгоритм K-means.pdf 1.5 MB
  • 06 Обучение с учителем - Классификация/4. Итоги/01 Итоги темы.pdf 1.5 MB
  • 08 Обучение без учителя/1. Задача кластеризации/12 Метрики качества.pdf 1.5 MB
  • 11 Введение в глубокое обучение (DL + CV)/03 Обучение нейронных сетей. Оптимизаторы.pdf 1.4 MB
  • 11 Введение в глубокое обучение (DL + CV)/08 Эффективные свертки, Inception. Глубокие сверточные сети, ResNet.pdf 1.4 MB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/05 Подбор гиперпараметров.pdf 1.4 MB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/06 Конспект.pdf 1.4 MB
  • 07 Деревья решений/4. Бустинг/06 Конспект.pdf 1.4 MB
  • 12 Введение в обработку текстов (NLP)/04 Word2Vec и FastText.pdf 1.4 MB
  • 02 Анализ данных/1. Введение/01 Зачем Data Scientist’у анализ данных.pdf 1.4 MB
  • 03 Постановка задачи машинного обучения на примере kNN/5. Виды расстояний и проблемы метода k-ближайших соседей/01 Подбор гиперпараметров kNN.pdf 1.4 MB
  • 14 ML System Design/02.2 Декомпозиция ML-проекта.pdf 1.4 MB
  • 13 Введение в рекомендательные системы (RecSys)/02 Тест.pdf 1.4 MB
  • 08 Обучение без учителя/1. Задача кластеризации/09 Алгоритм DBSCAN.pdf 1.4 MB
  • 14 ML System Design/04.1 Пример дизайна — оптимизация маркетинга.pdf 1.4 MB
  • 13 Введение в рекомендательные системы (RecSys)/06 Практическая демонстрация.pdf 1.4 MB
  • 11 Введение в глубокое обучение (DL + CV)/09 Сверточные нейронные сети в PyTorch. Transfer learning & fine-tuning.pdf 1.4 MB
  • 01 Введение в машинное обучение/1. Введение. Структура курса/03 Акутализация темы и структура курса.pdf 1.4 MB
  • 14 ML System Design/05.1 Пример дизайна — прогноз спроса.pdf 1.4 MB
  • 05 Обучение с учителем - Регрессия/3. Аналитическое решение/01 Аналитическое решение.pdf 1.4 MB
  • 04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/01 Численные признаки.pdf 1.4 MB
  • 04 Валидация модели и подготовка данных/6. Итоги/01 Итоги темы.pdf 1.4 MB
  • 04 Валидация модели и подготовка данных/3. Подготовка данных. Пропущенные значения/01 Пропущенные значения.pdf 1.4 MB
  • 04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/01 Категориальные признаки.pdf 1.4 MB
  • 11 Введение в глубокое обучение (DL + CV)/06 Сверточная нейронная сеть (CNN).pdf 1.4 MB
  • 13 Введение в рекомендательные системы (RecSys)/05 Проблемы рекомендательных систем.pdf 1.4 MB
  • 04 Валидация модели и подготовка данных/1. Введение/01 Введение.pdf 1.4 MB
  • 03 Постановка задачи машинного обучения на примере kNN/3. Алгоритм k-ближайших соседей/01 Алгоритм kNN.pdf 1.4 MB
  • 03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/01 Глоссарий.pdf 1.4 MB
  • 11 Введение в глубокое обучение (DL + CV)/10 Итоги.pdf 1.4 MB
  • 14 ML System Design/03 ML System Design.pdf 1.4 MB
  • 09 Оптимизация ML пайплайна/6. Итоги/01 Итоги.pdf 1.4 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/01 Ансамблирование алгоритмов.pdf 1.4 MB
  • 02 Анализ данных/5. Итоги/01 Итоги темы.pdf 1.4 MB
  • 12 Введение в обработку текстов (NLP)/07 Transfer Learning в LLM.pdf 1.4 MB
  • 07 Деревья решений/2. Деревья решений/03 Детали алгоритма.pdf 1.4 MB
  • 09 Оптимизация ML пайплайна/3. Метамодели/01 Метамодели.pdf 1.4 MB
  • 12 Введение в обработку текстов (NLP)/02 Классические методы NLP.pdf 1.4 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/03 Бэггинг.pdf 1.4 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/10 Итоги урока.pdf 1.3 MB
  • 11 Введение в глубокое обучение (DL + CV)/07 ImageNet. Alexnet, VGG.pdf 1.3 MB
  • 14 ML System Design/06 Итоги.pdf 1.3 MB
  • 14 ML System Design/02.1 ML-проект.pdf 1.3 MB
  • 12 Введение в обработку текстов (NLP)/06 Машинный перевод.pdf 1.3 MB
  • 07 Деревья решений/5. Итоги/01 Итоги.pdf 1.3 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/06 Random Forest.pdf 1.3 MB
  • 12 Введение в обработку текстов (NLP)/05 Языковые модели.pdf 1.3 MB
  • 07 Деревья решений/2. Деревья решений/01 Введение.pdf 1.3 MB
  • 09 Оптимизация ML пайплайна/2. Target encoding/01 Target encoding.pdf 1.3 MB
  • 07 Деревья решений/4. Бустинг/01 Бустинг.pdf 1.3 MB
  • 07 Деревья решений/2. Деревья решений/07 Плюсы и минусы дерева решений.pdf 1.3 MB
  • 09 Оптимизация ML пайплайна/5. ML Pipeline/01 ML-Pipeline.pdf 1.3 MB
  • 07 Деревья решений/2. Деревья решений/05 Практическая демонстрация.pdf 1.3 MB
  • 12 Введение в обработку текстов (NLP)/01 NLP. Примеры задач.pdf 1.3 MB
  • 08 Обучение без учителя/2. Задача понижения размерности/06 Тест.pdf 1.3 MB
  • 07 Деревья решений/4. Бустинг/02 Конспект.pdf 1.3 MB
  • 04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/05 Label Encoding.pdf 1.3 MB
  • 08 Обучение без учителя/1. Задача кластеризации/15 Демонстрация инструментов кластеризации.pdf 1.3 MB
  • 07 Деревья решений/4. Бустинг/03 Градиентный бустинг.pdf 1.3 MB
  • 04 Валидация модели и подготовка данных/3. Подготовка данных. Пропущенные значения/02 Конспект.pdf 1.3 MB
  • 11 Введение в глубокое обучение (DL + CV)/04 Нейронные сети на PyTorch.pdf 1.3 MB
  • 09 Оптимизация ML пайплайна/4. Оптимизация гиперпараметров/03 Hyperopt.pdf 1.3 MB
  • 04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/03 One-hot encoding.pdf 1.3 MB
  • 04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/06 Конспект.pdf 1.2 MB
  • data_scientist-main/module05/workshop/linreg.ipynb 1.2 MB
  • 08 Обучение без учителя/2. Задача понижения размерности/05 Практическая демонстрация.pdf 1.2 MB
  • 05 Обучение с учителем - Регрессия/8. Практика/01 Практическая демонстрация.pdf 1.2 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/08 Практическая демонстрация.pdf 1.2 MB
  • 12 Введение в обработку текстов (NLP)/03 Предобработка текстов. Практическая демонстрация.pdf 1.2 MB
  • 06 Обучение с учителем - Классификация/5. Практика/01 Обучим логистическую регрессию.pdf 1.2 MB
  • 09 Оптимизация ML пайплайна/3. Метамодели/04 Блендинг и стекинг. Часть 3.pdf 1.2 MB
  • 01 Введение в машинное обучение/5. Библиотека Pandas/01 Типы данных библиотеки.pdf 1.2 MB
  • 03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/02 Конспект.pdf 1.2 MB
  • 08 Обучение без учителя/1. Задача кластеризации/08 Тест.pdf 1.2 MB
  • 07 Деревья решений/4. Бустинг/13 Практическая демонстрация. Часть 3. Eval feature.pdf 1.2 MB
  • 08 Обучение без учителя/2. Задача понижения размерности/03 Практическая демонстрация.pdf 1.2 MB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/01 Библиотека matplotlib.pdf 1.2 MB
  • 07 Деревья решений/1. Введение/01 О чем модуль.pdf 1.2 MB
  • 08 Обучение без учителя/1. Задача кластеризации/05 Тест.pdf 1.2 MB
  • 04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/05 Обработка выборосов.pdf 1.2 MB
  • 09 Оптимизация ML пайплайна/5. ML Pipeline/03 AutoML на примере PyCaret.pdf 1.2 MB
  • 09 Оптимизация ML пайплайна/3. Метамодели/03 Блендинг и стекинг. Часть 2.pdf 1.2 MB
  • 01 Введение в машинное обучение/4. Библиотека NumPy/01 Создание массивов.pdf 1.2 MB
  • 07 Деревья решений/4. Бустинг/11 Практическая демонстрация. Часть 2. Early Stopping и визуализация обучения.pdf 1.2 MB
  • 07 Деревья решений/4. Бустинг/09 Практическая демонстрация. Часть 4. Отбор признаков и анализ модели.pdf 1.2 MB
  • 04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/02 Конспект.pdf 1.2 MB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/10 Методы кросс-валидации из библиотеки sklearn.pdf 1.2 MB
  • 03 Постановка задачи машинного обучения на примере kNN/7. Практика/01 Разбираем задачу на примере kNN.pdf 1.2 MB
  • 09 Оптимизация ML пайплайна/3. Метамодели/02 Блендинг и стекинг. Часть 1.pdf 1.1 MB
  • 04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/07 Frequency encoding.pdf 1.1 MB
  • 08 Обучение без учителя/1. Задача кластеризации/14 Тест.pdf 1.1 MB
  • 07 Деревья решений/4. Бустинг/05 Практическая демонстрация AdaBoost.pdf 1.1 MB
  • 01 Введение в машинное обучение/5. Библиотека Pandas/03 Операции над таблицами.pdf 1.1 MB
  • 04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/08 Конспект.pdf 1.1 MB
  • 07 Деревья решений/4. Бустинг/07 Практическая демонстрация. Часть 1. Введение.pdf 1.1 MB
  • 04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/03 Масштабирование.pdf 1.1 MB
  • 12 Введение в обработку текстов (NLP)/08 Классификация текстов. Практическая демонстрация.pdf 1.1 MB
  • 01 Введение в машинное обучение/4. Библиотека NumPy/05 Индексация в массивах.pdf 1.1 MB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/07 Конспект.pdf 1.1 MB
  • 04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/07 Нелинейные трансформации.pdf 1.1 MB
  • 01 Введение в машинное обучение/4. Библиотека NumPy/07 Дополнительные операции.pdf 1.1 MB
  • 01 Введение в машинное обучение/4. Библиотека NumPy/03 Операции над массивами.pdf 1.0 MB
  • 14 ML System Design/01 Введение.pdf 1.0 MB
  • 02 Анализ данных/6. Практика/03 Задания.pdf 1.0 MB
  • 12 Введение в обработку текстов (NLP)/09 Итоги.pdf 990.4 kB
  • 08 Обучение без учителя/4. Итоги/01 Итоги.pdf 985.6 kB
  • 04 Валидация модели и подготовка данных/7. Практика/02 Задания.pdf 977.0 kB
  • 05 Обучение с учителем - Регрессия/7. Итоги/01 Итоги.pdf 972.2 kB
  • 13 Введение в рекомендательные системы (RecSys)/07 Итоги.pdf 961.7 kB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/05 Дополнительный материал.pdf 957.2 kB
  • 07 Деревья решений/2. Деревья решений/02 Конспект.pdf 955.5 kB
  • data_scientist-main/module01/homework/01_numpy.ipynb 951.7 kB
  • 07 Деревья решений/5. Итоги/12 Дополнительный материал.pdf 951.3 kB
  • 09 Оптимизация ML пайплайна/7. Практика/01 Домашнее задание.pdf 903.5 kB
  • 13 Введение в рекомендательные системы (RecSys)/01 Тест.pdf 885.9 kB
  • 13 Введение в рекомендательные системы (RecSys)/04 Тест.pdf 874.0 kB
  • 04 Валидация модели и подготовка данных/7. Практика/01 Построение моделей.pdf 865.9 kB
  • 07 Деревья решений/6. Практика/02 Задание.pdf 847.4 kB
  • 07 Деревья решений/6. Практика/03 Задание.pdf 844.6 kB
  • 07 Деревья решений/6. Практика/01 Домашнее задание.pdf 844.2 kB
  • 09 Оптимизация ML пайплайна/7. Практика/02 Задание.pdf 843.9 kB
  • data_scientist-main/module01/homework/orders.csv.gz 832.6 kB
  • 15 Заключение/03 Финальный проект.pdf 828.0 kB
  • 10 Итоговый проект/03 Финальный проект.pdf 808.9 kB
  • 10 Итоговый проект/01 Финальный проект.pdf 796.8 kB
  • 10 Итоговый проект/02 Финальный проект.pdf 793.7 kB
  • 01 Введение в машинное обучение/3. Настройка рабочего окружения/01 Настраиваем рабочее окружение.pdf 788.5 kB
  • 06 Обучение с учителем - Классификация/5. Практика/03 Домашнее задание.pdf 781.9 kB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/12.pdf 779.9 kB
  • 02 Анализ данных/5. Итоги/02 Конспект.pdf 767.6 kB
  • data_scientist-main/module11/workshop/imgs/fine-tunning.png 767.2 kB
  • 06 Обучение с учителем - Классификация/5. Практика/04 Задание.pdf 765.8 kB
  • 08 Обучение без учителя/1. Задача кластеризации/11 Тест.pdf 760.6 kB
  • 02 Анализ данных/6. Практика/02 Датасет.pdf 753.4 kB
  • 15 Заключение/01 Финальный проект.pdf 745.8 kB
  • 05 Обучение с учителем - Регрессия/4. Алгоритм градиентного спуска/01 Алгоритм градиентного спуска.pdf 737.0 kB
  • 03 Постановка задачи машинного обучения на примере kNN/7. Практика/03 Алгоритм k-ближайших соседей.pdf 736.5 kB
  • 02 Анализ данных/6. Практика/01 Анализ датасета.pdf 735.6 kB
  • 05 Обучение с учителем - Регрессия/8. Практика/03 Описание задания.pdf 735.4 kB
  • 15 Заключение/02 Финальный проект.pdf 727.6 kB
  • 06 Обучение с учителем - Классификация/4. Итоги/02 Конспект.pdf 722.3 kB
  • 04 Валидация модели и подготовка данных/6. Итоги/02 Конспект.pdf 721.6 kB
  • 08 Обучение без учителя/5. Практика/01 задания.pdf 718.8 kB
  • 04 Валидация модели и подготовка данных/1. Введение/02 Конспект.pdf 701.8 kB
  • 03 Постановка задачи машинного обучения на примере kNN/1. Введение/01 О чем модуль.pdf 698.3 kB
  • 14 ML System Design/04.2 Работа с «холодными» абонентами.pdf 690.5 kB
  • 01 Введение в машинное обучение/5. Библиотека Pandas/05 Домашнее задание.pdf 687.2 kB
  • data_scientist-main/module01/workshop/numpy.ipynb 685.2 kB
  • 14 ML System Design/05.2 Что стоит использовать.pdf 680.6 kB
  • 01 Введение в машинное обучение/4. Библиотека NumPy/09 задания.pdf 678.2 kB
  • data_scientist-main/module02/homework/data/Billionaires Statistics Dataset.csv 677.8 kB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/07.pdf 675.5 kB
  • 02 Анализ данных/2. Качество данных и типы данных/01 Качество и типы данных.pdf 675.3 kB
  • 14 ML System Design/04.3 Feedback loop.pdf 674.5 kB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/09.pdf 673.4 kB
  • 14 ML System Design/05.4 Прогноз спроса для сезонных товаров.pdf 673.1 kB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/10.pdf 672.9 kB
  • 14 ML System Design/05.3 Проблема частично статичного вектора признаков.pdf 664.3 kB
  • 01 Введение в машинное обучение/1. Введение. Структура курса/01 Введение.pdf 660.9 kB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/08.pdf 657.2 kB
  • 05 Обучение с учителем - Регрессия/1. Введение/01 О чем модуль.pdf 651.2 kB
  • 07 Деревья решений/2. Деревья решений/08 Конспект.pdf 649.6 kB
  • 02 Анализ данных/1. Введение/02 Конспект.pdf 646.4 kB
  • 09 Оптимизация ML пайплайна/1. Введение/01 О чем модуль.pdf 643.3 kB
  • 02 Анализ данных/4. Приемы анализа данных - визуализация/11.pdf 642.9 kB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/07.pdf 635.2 kB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/09.pdf 633.5 kB
  • 07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/11 Конспект.pdf 630.6 kB
  • data_scientist-main/module08/homework/cluster_practice.ipynb 626.7 kB
  • 01 Введение в машинное обучение/6. Итоги/01 Итоги.pdf 622.0 kB
  • 04 Валидация модели и подготовка данных/2. Валидация модели/08.pdf 621.8 kB
  • 02 Анализ данных/3. Приемы анализа данных - cводные показатели/05.pdf 613.4 kB
  • 02 Анализ данных/3. Приемы анализа данных - cводные показатели/10.pdf 613.0 kB
  • 11 Введение в глубокое обучение (DL + CV)/01 Введение.pdf 612.6 kB
  • 05 Обучение с учителем - Регрессия/3. Аналитическое решение/03.pdf 611.6 kB
  • 07 Деревья решений/5. Итоги/11.pdf 611.2 kB
  • 02 Анализ данных/3. Приемы анализа данных - cводные показатели/09.pdf 610.7 kB
  • 07 Деревья решений/5. Итоги/10.pdf 607.5 kB
  • 07 Деревья решений/5. Итоги/02 Конспект.pdf 606.6 kB
  • 07 Деревья решений/5. Итоги/09.pdf 605.7 kB
  • 02 Анализ данных/3. Приемы анализа данных - cводные показатели/06.pdf 603.1 kB
  • 03 Постановка задачи машинного обучения на примере kNN/6. Итоги/01 Итоги.pdf 602.5 kB
  • 02 Анализ данных/3. Приемы анализа данных - cводные показатели/08.pdf 600.9 kB
  • 07 Деревья решений/5. Итоги/06.pdf 599.7 kB
  • 07 Деревья решений/5. Итоги/05.pdf 599.7 kB
  • 07 Деревья решений/5. Итоги/08.pdf 597.4 kB
  • 07 Деревья решений/5. Итоги/07.pdf 597.3 kB
  • 07 Деревья решений/5. Итоги/03.pdf 597.0 kB
  • 03 Постановка задачи машинного обучения на примере kNN/5. Виды расстояний и проблемы метода k-ближайших соседей/03.pdf 595.8 kB
  • 07 Деревья решений/5. Итоги/04.pdf 595.5 kB
  • 04 Валидация модели и подготовка данных/6. Итоги/03 В этом модуле.pdf 591.9 kB
  • 03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/07.pdf 589.8 kB
  • 05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/05.pdf 588.2 kB
  • data_scientist-main/module04/workshop/lesson_03_numerical_features.ipynb 586.9 kB
  • 05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/03.pdf 583.4 kB
  • 02 Анализ данных/3. Приемы анализа данных - cводные показатели/07.pdf 581.1 kB
  • 05 Обучение с учителем - Регрессия/5. Регуляризация линейных моделей/03.pdf 580.4 kB
  • 03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/06.pdf 580.1 kB
  • 06 Обучение с учителем - Классификация/2. Метрики качества классификации/05 Дополнительные материалы.pdf 578.5 kB
  • 05 Обучение с учителем - Регрессия/5. Регуляризация линейных моделей/04.pdf 576.9 kB
  • 03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/05.pdf 575.4 kB
  • 05 Обучение с учителем - Регрессия/4. Алгоритм градиентного спуска/03.pdf 574.8 kB
  • 05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/04.pdf 571.8 kB
  • 04 Валидация модели и подготовка данных/6. Итоги/04 Дополнительный материал.pdf 571.3 kB
  • 05 Обучение с учителем - Регрессия/2. Линейная регрессия/03.pdf 569.2 kB
  • 05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/06.pdf 569.2 kB
  • data_scientist-main/module02/workshop/images/matplotlib.png 531.5 kB
  • 15 Заключение/02 ml-10m/ml-10M100K/movies.dat 522.2 kB
  • data_scientist-main/module01/workshop/pandas.ipynb 498.9 kB
  • data_scientist-main/module02/workshop/data/train.csv 460.7 kB
  • data_scientist-main/module04/additional_notes/data/train.csv 460.7 kB
  • data_scientist-main/module04/homework/data/train.csv 460.7 kB
  • data_scientist-main/module04/workshop/data/train.csv 460.7 kB
  • data_scientist-main/module05/workshop/house_pricing_train.csv 460.7 kB
  • data_scientist-main/module07/additional_notes/data/train.csv 460.7 kB
  • data_scientist-main/module04/homework/data/test.csv 451.4 kB
  • data_scientist-main/module04/workshop/data/test.csv 451.4 kB
  • data_scientist-main/module04/additional_notes/imputation.jpg 401.3 kB
  • data_scientist-main/module03/workshop/knn.ipynb 384.6 kB
  • data_scientist-main/module06/workshop/demo6.ipynb 375.2 kB
  • data_scientist-main/module09/workshop/lesson-04-step-02.ipynb 343.2 kB
  • data_scientist-main/module06/workshop/data/train-icr.csv 336.6 kB
  • data_scientist-main/module08/workshop/cursedim_demo.ipynb 325.9 kB
  • data_scientist-main/module09/homework/Домашнее задание №9.docx 309.3 kB
  • data_scientist-main/module12/workshop/classification_text.ipynb 301.8 kB
  • data_scientist-main/module11/homework/Домашнее задание №11.docx 295.7 kB
  • data_scientist-main/module11/workshop/imgs/transfer-learning.jpg 276.5 kB
  • data_scientist-main/module04/additional_notes/theme04-additional-notes.ipynb 274.9 kB
  • data_scientist-main/module04/workshop/lesson_03_categorical_features.ipynb 211.5 kB
  • data_scientist-main/module04/workshop/images/ohe.jpg 205.6 kB
  • data_scientist-main/module11/workshop/lesson-04.ipynb 170.4 kB
  • data_scientist-main/module03/workshop/knn_demo.ipynb 169.7 kB
  • data_scientist-main/module09/workshop/lesson-05-step-02.ipynb 157.2 kB
  • data_scientist-main/module05/homework/linreg_practice.ipynb 154.7 kB
  • data_scientist-main/module09/workshop/lesson-05-step-03.ipynb 150.5 kB
  • data_scientist-main/module04/workshop/images/fe.jpg 146.4 kB
  • data_scientist-main/module11/workshop/lesson-05.ipynb 140.0 kB
  • data_scientist-main/module07/workshop/lesson-03-step-03-part-01.ipynb 107.4 kB
  • data_scientist-main/module04/workshop/images/le.png 104.2 kB
  • data_scientist-main/module03/homework/knn_practice.ipynb 79.2 kB
  • data_scientist-main/module09/workshop/lesson-03-step-02.ipynb 68.9 kB
  • data_scientist-main/module06/homework/data/train.csv 61.2 kB
  • data_scientist-main/module09/workshop/data/titanic-train.csv 61.2 kB
  • data_scientist-main/module05/workshop/linreg_demo.ipynb 60.5 kB
  • data_scientist-main/module07/additional_notes/additional-notes-03-random-trees-embedding.ipynb 37.8 kB
  • data_scientist-main/module04/workshop/lesson_03_cross_val.ipynb 36.4 kB
  • data_scientist-main/module01/workshop/cars_info.csv 34.7 kB
  • data_scientist-main/module04/workshop/data/sample_submission.csv 31.9 kB
  • data_scientist-main/module07/additional_notes/additional-notes-01-bootstrap.ipynb 31.4 kB
  • data_scientist-main/module07/additional_notes/additional-notes-02-extremely-randomized-trees.ipynb 29.3 kB
  • data_scientist-main/module03/homework/data/column_3C_weka.csv 26.2 kB
  • data_scientist-main/module07/homework/data/data_dictionary.txt 26.0 kB
  • data_scientist-main/module03/homework/data/column_2C_weka.csv 25.0 kB
  • data_scientist-main/module12/workshop/preprocessing_text.ipynb 23.0 kB
  • data_scientist-main/module01/homework/02_pandas.ipynb 21.4 kB
  • data_scientist-main/module04/workshop/data/data_description.txt 13.4 kB
  • 15 Заключение/02 ml-10m/ml-10M100K/README.html 11.6 kB
  • data_scientist-main/module04/homework/hw4-template.ipynb 11.5 kB
  • data_scientist-main/module01/workshop/customers.csv 7.4 kB
  • data_scientist-main/module02/homework/hw2-template.ipynb 7.3 kB
  • data_scientist-main/module07/homework/hw7-template.ipynb 5.5 kB
  • data_scientist-main/module01/workshop/orders.csv 4.7 kB
  • data_scientist-main/module08/workshop/decathlon2.csv 4.6 kB
  • data_scientist-main/module06/homework/hw6-template.ipynb 4.2 kB
  • data_scientist-main/module09/homework/hw9-template.ipynb 3.9 kB
  • data_scientist-main/module11/homework/hw11_template.ipynb 3.3 kB
  • data_scientist-main/.gitignore 3.1 kB
  • data_scientist-main/module01/workshop/employees.csv 2.7 kB
  • 15 Заключение/02 ml-10m/ml-10M100K/split_ratings.sh 1.3 kB
  • 15 Заключение/02 ml-10m/ml-10M100K/allbut.pl 753 Bytes
  • data_scientist-main/README.md 22 Bytes

随机展示

相关说明

本站不存储任何资源内容，只收集BT种子元数据(例如文件名和文件大小)和磁力链接(BT种子标识符)，并提供查询服务，是一个完全合法的搜索引擎系统。 网站不提供种子下载服务，用户可以通过第三方链接或磁力链接获取到相关的种子资源。本站也不对BT种子真实性及合法性负责，请用户注意甄别！