Create Tool:
Create Time:2024-09-15 03:55:55
File Size:3.59 GB
File Count:329
File Hash:c6f980a208ea2ed42f12f3d156b677260c0ebe00
| Тексты лекций/Модуль 4 (Глубокое обучение)/2. Перцептрон. Многослойные НС.pdf | 75.54 MB |
| 2.2.1. Понятие полносвязной сети/2.7. Построение многослойной полносвязной сети средствами Numpy.mp4 | 60.45 MB |
| 2.2.1. Понятие полносвязной сети/2.3. Построение однослойной полносвязной сети средствами Numpy.mp4 | 48.63 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/1.3. Построение оптимальной разделяющей гиперплоскости.mp4 | 29.56 MB |
| 2.2.4. Рекуррентные НС/1.5. Практика.mp4 | 27.63 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/1.3. Общее описание метода ГК.mp4 | 25.39 MB |
| 1.1.1. Введение в науку о данных, инструменты для обработки данных/1.5. Подготовка данных.mp4 | 25.00 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/2.3. Условная энтропия.mp4 | 24.96 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/2.3. Джекнайф.mp4 | 24.85 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/3.3. Жадные стратегии.mp4 | 24.46 MB |
| 2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.6. Пример использования Keras для решения задачи классификации.mp4 | 23.99 MB |
| 2.1.3. Задача классификации. k-NN и наивный байесовский классификатор, логистическая регрессия, SVM, ДПР/4 6 Алгоритмы их оценка и разделение данных.mp4 | 23.80 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/3.7. Оценка стратегий. Оптимальные стратегии.mp4 | 22.98 MB |
| 1.1.1. Введение в науку о данных, инструменты для обработки данных/2.3. Приемы работы с электронными таблицами.mp4 | 22.54 MB |
| 1.1.1. Введение в науку о данных, инструменты для обработки данных/1.1. Анализ данных Основные понятия.mp4 | 22.02 MB |
| 2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.3. Пример использования TensorFlow для решения задачи классификации.mp4 | 21.16 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/3.5. Взаимодействие агента и окружающей среды.mp4 | 20.93 MB |
| 2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.8. Optuna.mp4 | 20.88 MB |
| 2.2.3. Сверточные нейронные сети/1.1. Свертки в нейронных сетях.mp4 | 20.86 MB |
| 2.1.3. Задача классификации. k-NN и наивный байесовский классификатор, логистическая регрессия, SVM, ДПР/4 9 Построение классификатора.mp4 | 20.40 MB |
| 1.1.2. Python для анализа данных/1.7. Библиотеки NumPy, pandas.mp4 | 20.33 MB |
| 2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.12. Optimizers.mp4 | 20.00 MB |
| 1.1.3. Визуализация данных. Анализ и преобразование данных. Работа с временными рядами/2.1. Описательная статистика.mp4 | 19.57 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/1.2. Гиперплоскости и классификация на их основе.mp4 | 19.54 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/3.8. Алгоритмы SARSA и Q-обучение.mp4 | 19.47 MB |
| 1.1.5. NoSQL хранилища/4.1. Введение в Cassandra.mp4 | 19.38 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/1.6. Обратно в МГК.mp4 | 19.20 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/2.5. Деревья принятия решений.mp4 | 19.14 MB |
| 1.1.1. Введение в науку о данных, инструменты для обработки данных/1.4. Источники данных.mp4 | 19.12 MB |
| 2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.10. Overfitting Underfitting.mp4 | 18.98 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/1.4. Архитектура СУБД.mp4 | 18.92 MB |
| 1.2.2. Законы распределения случайных величин/1.1. Дискретное распределение.mp4 | 18.88 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/3.1. Введение.mp4 | 18.75 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/1.5. Классификатор с мягким зазором.mp4 | 18.70 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/1.1. Информационные системы.mp4 | 18.57 MB |
| 1.1.3. Визуализация данных. Анализ и преобразование данных. Работа с временными рядами/2.3. Нормировка данных.mp4 | 18.39 MB |
| 1.1.3. Визуализация данных. Анализ и преобразование данных. Работа с временными рядами/3.3. Определение трендов временных рядов.mp4 | 18.06 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/2.2. Энтропия.mp4 | 18.03 MB |
| 1.1.2. Python для анализа данных/1.2. Основы Python. Переменные и операции.mp4 | 18.02 MB |
| 2.1.2. Задача регрессии/1.2. Простейшая модель линейной регрессии.mp4 | 17.90 MB |
| 1.1.2. Python для анализа данных/1.5. Структуры данных Python. Списки и Кортежи.mp4 | 17.89 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/3.2. Метод К-средних.mp4 | 17.84 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/4.3. Объекты базы данных.mp4 | 17.80 MB |
| 1.1.5. NoSQL хранилища/2.4 За пределами структур данных.mp4 | 17.73 MB |
| 1.1.5. NoSQL хранилища/4.2. Проектирование модели данных.mp4 | 17.69 MB |
| 2.1.2. Задача регрессии/1.5. Построение доверительных интервалов.mp4 | 17.65 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/3.2. Условия выборки.mp4 | 17.60 MB |
| 1.1.3. Визуализация данных. Анализ и преобразование данных. Работа с временными рядами/1.2. Методы визуализации.mp4 | 17.28 MB |
| 2.1.2. Задача регрессии/1.4. Статистические характеристики параметров простейшей линейной регрессии.mp4 | 17.06 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/1.3. Основные функции систем управления данными ч2.mp4 | 17.00 MB |
| 1.1.1. Введение в науку о данных, инструменты для обработки данных/2.5. Сводная таблица.mp4 | 16.91 MB |
| 1.1.3. Визуализация данных. Анализ и преобразование данных. Работа с временными рядами/2.4. Нормировка данных для нечисловых шкал и целевая функция.mp4 | 16.87 MB |
| 1.1.2. Python для анализа данных/1.3. Основы Python. Операторы.mp4 | 16.76 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/3.3. Аггрегатные функции.mp4 | 16.60 MB |
| 2.1.2. Задача регрессии/1.9. Множественная линейная регрессия.mp4 | 16.53 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/2.7. Адаптивный бустинг.mp4 | 16.44 MB |
| 1.1.3. Визуализация данных. Анализ и преобразование данных. Работа с временными рядами/1.4. Основы matplotlib.mp4 | 16.37 MB |
| 1.1.5. NoSQL хранилища/2.3 Структуры данных. Списки и множества.mp4 | 15.99 MB |
| 2.2.3. Сверточные нейронные сети/1.13. Data Augmentation к 1.11.mp4 | 15.89 MB |
| 2.1.2. Задача регрессии/2.4. Метод максимального правдоподобия.mp4 | 15.87 MB |
| 2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.13. Оптимизаторы в нейронных сетях.mp4 | 15.71 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/3.4. Вложенные запросы.mp4 | 15.57 MB |
| 1.1.1. Введение в науку о данных, инструменты для обработки данных/1.3. Виды данных.mp4 | 15.56 MB |
| 2.1.2. Задача регрессии/2.9. F-мера и ROC-анализ.mp4 | 15.48 MB |
| 2.2.3. Сверточные нейронные сети/1.3. Задача классификации.mp4 | 15.48 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/2.5. Общее понятие ансамбля.mp4 | 15.43 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/2.10. Многоклассовая классификация.mp4 | 15.41 MB |
| 1.1.3. Визуализация данных. Анализ и преобразование данных. Работа с временными рядами/3.4. Определение сезонных компонент временных рядов.mp4 | 15.33 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/2.6. Бинарное дерево решений.mp4 | 15.12 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/1.6. Ядра и спрямляющие пространства.mp4 | 15.12 MB |
| 1.1.5. NoSQL хранилища/3.4 Фильтры, сортировка и агрегирование.mp4 | 15.09 MB |
| 1.1.5. NoSQL хранилища/1.2. Основные характеристики.mp4 | 15.04 MB |
| Тексты лекций/Модуль 4 (Глубокое обучение)/4. Сверточные НС.pdf | 14.85 MB |
| 2.2.3. Сверточные нейронные сети/1.6. Задача сегментации.mp4 | 14.60 MB |
| 2.1.2. Задача регрессии/1.1. Линейная регрессия и МО.mp4 | 14.32 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/3.4. Стратегии Softmax и UCB и оптимистичные начальные оценки.mp4 | 14.32 MB |
| 2.2.3. Сверточные нейронные сети/1.12. Transfer learning к 1.11.mp4 | 14.32 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/1.5. Комбинаторика.mp4 | 14.26 MB |
| 1.1.3. Визуализация данных. Анализ и преобразование данных. Работа с временными рядами/1.3. Визуализация данных в электронных таблицах.mp4 | 14.23 MB |
| 2.1.2. Задача регрессии/1.10. Оценка модели.mp4 | 14.13 MB |
| 1.1.1. Введение в науку о данных, инструменты для обработки данных/1.2. Измерения и шкалы.mp4 | 14.12 MB |
| 1.1.1. Введение в науку о данных, инструменты для обработки данных/2.1. Хранение и обработка данных.mp4 | 14.05 MB |
| 2.2.4. Рекуррентные НС/1.9. Практика.mp4 | 14.03 MB |
| 2.1.1. Обзор направлений и методов машинного обучения, основные тренды в ИИ, библиотеки для Data Science/1.2.Модельный пример и случайные величины.mp4 | 14.02 MB |
| 1.2.3. Описательная статистика и точечные оценки/3.8. Примеры применения ММП.mp4 | 13.95 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/4.2. Встроенные функции на SQL.mp4 | 13.83 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/2.2. Проектирование связей.mp4 | 13.81 MB |
| 2.1.1. Обзор направлений и методов машинного обучения, основные тренды в ИИ, библиотеки для Data Science/1.4.Классическое обучение обучение с учителем.mp4 | 13.77 MB |
| 1.1.5. NoSQL хранилища/2.2 Структуры данных. Строки и хеши.mp4 | 13.72 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/3.7. DBSCAN.mp4 | 13.71 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/4.1. Выражения на SQL.mp4 | 13.64 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/3.4. Различные способы начальной инициализации. Сходимость метода. Выбор числа К.mp4 | 13.53 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/2.5. Ограничения целостности.mp4 | 13.44 MB |
| 1.2.3. Описательная статистика и точечные оценки/2.5. Выборочные моменты.mp4 | 13.31 MB |
| 1.2.3. Описательная статистика и точечные оценки/4.3. Точные доверительные интервалы для семейства нормальный распределений продолжение.mp4 | 13.27 MB |
| 1.1.1. Введение в науку о данных, инструменты для обработки данных/2.2. Как создать электронную таблицу.mp4 | 13.24 MB |
| 1.2.3. Описательная статистика и точечные оценки/1.7. Проверка гипотез.mp4 | 13.21 MB |
| 2.2.3. Сверточные нейронные сети/1.8. Задача детектирования.mp4 | 13.18 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/1.2. Основные функции систем управления данными ч1.mp4 | 13.10 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/2.1. Проектирование данных.mp4 | 13.01 MB |
| 1.2.3. Описательная статистика и точечные оценки/1.1. Введение и мотивировка.mp4 | 12.98 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/1.7. Условная вероятность.mp4 | 12.95 MB |
| 1.2.2. Законы распределения случайных величин/1.3. Примеры абсолютно непрерывных распределений.mp4 | 12.93 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/4.4. Индексы.mp4 | 12.88 MB |
| 2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.2. Autograd и TF.mp4 | 12.87 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/1.1. Основная идея метода опорных векторов.mp4 | 12.86 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/2.5. Дисперсия, ковариация, корреляция.mp4 | 12.79 MB |
| 2.1.1. Обзор направлений и методов машинного обучения, основные тренды в ИИ, библиотеки для Data Science/1.5.Классическое обучение обучение без учителя.mp4 | 12.79 MB |
| 1.1.5. NoSQL хранилища/2.1 Основы Redis.mp4 | 12.78 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/2.4. Создание таблиц.mp4 | 12.73 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/2.7. Неопределенность Джини .mp4 | 12.70 MB |
| 2.2.3. Сверточные нейронные сети/1.10. Построение сверточного автоэнкодера к 1.8..mp4 | 12.66 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/3.5. Агломеративная кластеризация.mp4 | 12.62 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/3.1. Оператор SELECT.mp4 | 12.62 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/1.9. Примеры использования МГК.mp4 | 12.58 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/3.6. Функции ценности состояний и действий.mp4 | 12.57 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/3.6. Пример хруст и сладость продуктов. Дендрограмма. Каменистая осыпь.mp4 | 12.56 MB |
| 1.2.3. Описательная статистика и точечные оценки/2.3. Эмпирическая функция распределения.mp4 | 12.55 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/1.5. Введение в реляционные базы данных.mp4 | 12.54 MB |
| 1.2.2. Законы распределения случайных величин/2.4. Вычисление математического ожидания у некоторых распределений.mp4 | 12.53 MB |
| 1.1.1. Введение в науку о данных, инструменты для обработки данных/2.4. Сортировка и фильтрация данных.mp4 | 12.41 MB |
| 2.2.3. Сверточные нейронные сети/1.4. Пример решения задачи классификации.mp4 | 12.34 MB |
| 2.1.3. Задача классификации. k-NN и наивный байесовский классификатор, логистическая регрессия, SVM, ДПР/4 1 Интуитивный подход к алгоритму k-NN.mp4 | 12.31 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/2.4. Бутстрэп.mp4 | 12.23 MB |
| 2.2.3. Сверточные нейронные сети/1.7. Сверточная сеть для решения задач детектирования к 1.6..mp4 | 12.19 MB |
| 1.1.5. NoSQL хранилища/1.4. Примеры NoSQL систем.mp4 | 12.18 MB |
| 2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.7. Пример использования Keras для решения задачи регрессии.mp4 | 12.17 MB |
| 2.2.3. Сверточные нейронные сети/1.17. Практические моменты обучения НС (продолжение).mp4 | 12.15 MB |
| 2.2.3. Сверточные нейронные сети/1.5. Сверточная сеть для решения задач сегментации к 1.4..mp4 | 12.00 MB |
| 2.2.1. Понятие полносвязной сети/2.9. Функции активации (продолжение).mp4 | 11.99 MB |
| 1.1.3. Визуализация данных. Анализ и преобразование данных. Работа с временными рядами/3.1. Анализ временных рядов.mp4 | 11.88 MB |
| 2.2.3. Сверточные нейронные сети/1.9. Построение простого автоэнкодера к 1.8..mp4 | 11.86 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/2.4. Энтропия и прирост информации.mp4 | 11.85 MB |
| 1.2.2. Законы распределения случайных величин/1.2. Абсолютно непрерывное распределение.mp4 | 11.81 MB |
| 1.1.2. Python для анализа данных/1.4. Функции, модули и библиотеки.mp4 | 11.79 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/2.3. Преобразование ER-модели в БД.mp4 | 11.77 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/2.2. Совместное распределение случайных величин. Независимость.mp4 | 11.54 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/3.7. Функция распределения случайной величины.mp4 | 11.39 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/2.9. Предельные теоремы.mp4 | 11.34 MB |
| 1.1.2. Python для анализа данных/1.6. Словари.mp4 | 11.32 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/1.2. Идея метода на частном примере.mp4 | 11.30 MB |
| 1.1.5. NoSQL хранилища/3.3 Выборка данных из коллекций.mp4 | 11.22 MB |
| 2.2.1. Понятие полносвязной сети/2.4. Градиентный и стохастический градиентный спуски.mp4 | 11.13 MB |
| 2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.4. Пример использования TensorFlow для решения задачи регрессии.mp4 | 11.10 MB |
| 1.1.5. NoSQL хранилища/1.1. Введение в NoSQL.mp4 | 11.01 MB |
| 2.1.3. Задача классификации. k-NN и наивный байесовский классификатор, логистическая регрессия, SVM, ДПР/4 2 Метрики.mp4 | 10.94 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/2.1. Введение в деревья принятия решений.mp4 | 10.93 MB |
| 2.2.4. Рекуррентные НС/1.3. LSTM сети.mp4 | 10.88 MB |
| 1.1.5. NoSQL хранилища/4.4. Введение и проектирование Neo4j.mp4 | 10.83 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/3.2. k-рукий бандит.mp4 | 10.82 MB |
| 2.1.2. Задача регрессии/2.3. Логистическая функция.mp4 | 10.74 MB |
| 1.2.2. Законы распределения случайных величин/2.1. Монотонные преобразования.mp4 | 10.73 MB |
| 1.1.5. NoSQL хранилища/3.2 Начало работы с MongoDB.mp4 | 10.55 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/2.2. Повторные выборки.mp4 | 10.41 MB |
| 2.2.1. Понятие полносвязной сети/1.4. AI effect и основные решаемые задачи.mp4 | 10.38 MB |
| 1.2.3. Описательная статистика и точечные оценки/5.1. Понятие гипотезы.mp4 | 10.38 MB |
| 2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.1. Глубина нейронныйх сетей и некоторые проблемы обучения.mp4 | 10.32 MB |
| 2.1.1. Обзор направлений и методов машинного обучения, основные тренды в ИИ, библиотеки для Data Science/1.1.Введение.mp4 | 10.29 MB |
| 2.2.4. Рекуррентные НС/1.8. Attention. Transformers.mp4 | 10.26 MB |
| 1.1.5. NoSQL хранилища/3.5 Редактирование данных и индексы.mp4 | 10.21 MB |
| 2.2.1. Понятие полносвязной сети/2.6. Многослойный перцептрон и backpropagation.mp4 | 10.20 MB |
| 1.1.5. NoSQL хранилища/4.5. Работа с данными.mp4 | 10.16 MB |
| 1.2.3. Описательная статистика и точечные оценки/3.2. Точечные оценки и их свойства.mp4 | 10.10 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/1.3. Простейшее вероятностное пространство.mp4 | 10.09 MB |
| 1.2.2. Законы распределения случайных величин/2.8. Различные типы сходимостей и их связи.mp4 | 10.09 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/3.1. Виды кластеров и множественность алгоритмов.mp4 | 10.03 MB |
| 1.2.2. Законы распределения случайных величин/1.5. Дискретное и абсолютно непрерывное многомерные распределения.mp4 | 10.03 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/2.3. Медиана и математическое ожидание.mp4 | 10.02 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/1.5. Некоторые сведения из линейной алгебры.mp4 | 9.99 MB |
| 1.1.5. NoSQL хранилища/3.1 Основы MongoDB.mp4 | 9.97 MB |
| 1.1.5. NoSQL хранилища/4.3. Работа с данными.mp4 | 9.95 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/10._NoSQL_хранилища_2021.pdf | 9.94 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/3.6. Соединение таблиц.mp4 | 9.89 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/3.3. Сигма-алгебра событий.mp4 | 9.87 MB |
| 2.2.4. Рекуррентные НС/1.2. Глубокие архитектуры RNN.mp4 | 9.79 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/3.4. Вероятностная мера и вероятностное пространство.mp4 | 9.77 MB |
| 1.1.5. NoSQL хранилища/1.3. Технологии.mp4 | 9.74 MB |
| 2.1.2. Задача регрессии/2.5. Нахождение параметров модели.mp4 | 9.74 MB |
| 1.1.3. Визуализация данных. Анализ и преобразование данных. Работа с временными рядами/3.2. Сглаживание временных рядов.mp4 | 9.73 MB |
| 1.2.3. Описательная статистика и точечные оценки/4.5. Асимптотический доверительный интервал для семейства распределений Бернулли.mp4 | 9.71 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/1.6. Примеры использования комбинаторики.mp4 | 9.67 MB |
| 1.1.3. Визуализация данных. Анализ и преобразование данных. Работа с временными рядами/1.1. Задачи визуализации.mp4 | 9.58 MB |
| 2.2.4. Рекуррентные НС/1.6. Нормализация по мини-батчам.mp4 | 9.57 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/1.7. Восстановление признаков.mp4 | 9.54 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/1.1. Пространство элементарных исходов.mp4 | 9.54 MB |
| 1.2.2. Законы распределения случайных величин/2.6. Вычисление дисперсий некоторых распределений.mp4 | 9.48 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/2.4. Свойства математического ожидания.mp4 | 9.47 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/5._Работа_с_временными_рядами_2022.pdf | 9.43 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/2.8. Закон больших чисел.mp4 | 9.38 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/2.8. Применение деревьев принятия решений.mp4 | 9.37 MB |
| 1.1.4. Системы управления базами данных. Обработка структурированных данных/3.5. Теоретико-множественные операции.mp4 | 9.36 MB |
| 2.2.3. Сверточные нейронные сети/1.11. Автокодировщики.mp4 | 9.32 MB |
| Тексты лекций/Модуль 3 (Машинное обучение)/9.Ансамбли.pdf | 9.30 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/14._Neo4j_2021.pdf | 9.25 MB |
| 2.2.1. Понятие полносвязной сети/2.1. Однослойный перцептрон.mp4 | 9.23 MB |
| 1.2.3. Описательная статистика и точечные оценки/1.4. Оценки параметров распределения.mp4 | 9.23 MB |
| 1.2.2. Законы распределения случайных величин/2.9. Закон больших чисел. Центральная предельная теорема.mp4 | 9.13 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/1.4. Рассмотрение конкретного примера.mp4 | 9.11 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/2.6. Бэггинг.mp4 | 9.06 MB |
| 2.2.1. Понятие полносвязной сети/1.6. Обучение и переобучение в ML.mp4 | 8.99 MB |
| 1.1.3. Визуализация данных. Анализ и преобразование данных. Работа с временными рядами/2.2. Преобразование данных.mp4 | 8.97 MB |
| 1.2.3. Описательная статистика и точечные оценки/1.6. Интервальное оценивание.mp4 | 8.92 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/1.1. Наводящие размышления.mp4 | 8.84 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/3.1. Определение геометрической вероятности.mp4 | 8.81 MB |
| 2.1.1. Обзор направлений и методов машинного обучения, основные тренды в ИИ, библиотеки для Data Science/1.7.Ансамблевые методы и нейросети.mp4 | 8.74 MB |
| 1.2.3. Описательная статистика и точечные оценки/3.3. Метод моментов для одномерного параметра.mp4 | 8.68 MB |
| 2.2.3. Сверточные нейронные сети/1.15. Инициализация весов к 1.14..mp4 | 8.55 MB |
| 1.2.2. Законы распределения случайных величин/2.3. Медиана и математическое ожидание.mp4 | 8.52 MB |
| 1.2.2. Законы распределения случайных величин/1.4. Совместное распределение случайных величин.mp4 | 8.47 MB |
| 1.2.3. Описательная статистика и точечные оценки/1.5. Сравнение оценок.mp4 | 8.34 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/1.2. События и операции над ними.mp4 | 8.20 MB |
| 2.1.2. Задача регрессии/2.1. Генеративные и дискриминативные алгоритмы.mp4 | 8.18 MB |
| 2.2.4. Рекуррентные НС/1.1. Рекуррентные нейронные сети.mp4 | 8.17 MB |
| 2.1.3. Задача классификации. k-NN и наивный байесовский классификатор, логистическая регрессия, SVM, ДПР/4 5 Взвешенный k-NN.mp4 | 8.09 MB |
| 2.2.4. Рекуррентные НС/1.4. GRU сети.mp4 | 8.04 MB |
| 1.2.3. Описательная статистика и точечные оценки/4.2. Точные доверительные интервалы для семейства нормальный распределений.mp4 | 7.99 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/5 1 Мотивировка и введение.mp4 | 7.70 MB |
| 2.1.2. Задача регрессии/1.7. Оценка точности модели.mp4 | 7.70 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/1.4. Пример нахождения первой главной компоненты.mp4 | 7.57 MB |
| 1.2.3. Описательная статистика и точечные оценки/2.4. Гистограмма.mp4 | 7.55 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/2.1. Понятие случайной величины.mp4 | 7.52 MB |
| 2.1.2. Задача регрессии/2.8. Многоклассовая логистическая регрессия.mp4 | 7.48 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/2.8. Стекинг.mp4 | 7.45 MB |
| 2.2.4. Рекуррентные НС/1.12. LRScheduling.mp4 | 7.37 MB |
| 1.2.3. Описательная статистика и точечные оценки/4.1. Понятие доверительного интервала.mp4 | 7.36 MB |
| 2.1.3. Задача классификации. k-NN и наивный байесовский классификатор, логистическая регрессия, SVM, ДПР/4 11 Классификация писем. Сглаживание по Лапласу.mp4 | 7.30 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/3.9. Пример использования алгоритмов SARSA и Q-обучение.mp4 | 7.30 MB |
| 1.2.3. Описательная статистика и точечные оценки/1.3. Эмпирическое распределение.mp4 | 7.29 MB |
| 1.2.3. Описательная статистика и точечные оценки/4.4. Асимптотические доверительные интервалы и примеры их построения.mp4 | 7.29 MB |
| 2.1.2. Задача регрессии/1.6. Проверка гипотез.mp4 | 7.25 MB |
| 2.2.1. Понятие полносвязной сети/2.8. Глубокие НС в Sklearn.mp4 | 7.15 MB |
| 1.2.3. Описательная статистика и точечные оценки/1.2. Мода и выборка.mp4 | 7.10 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/3.2. Парадокс Бертрана.mp4 | 7.09 MB |
| 2.2.1. Понятие полносвязной сети/1.3. Что же такое DL.mp4 | 7.08 MB |
| 1.2.2. Законы распределения случайных величин/2.2. Функции от нескольких случайных величин.mp4 | 7.06 MB |
| 1.2.3. Описательная статистика и точечные оценки/2.2. Выборочное распределение.mp4 | 7.05 MB |
| 1.1.2. Python для анализа данных/1.1. Введение в Python.mp4 | 7.03 MB |
| 2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.9. Гиперпараметры и их подбор.mp4 | 6.98 MB |
| 2.1.2. Задача регрессии/1.3. Пример модели линейной регрессии.mp4 | 6.76 MB |
| 1.2.2. Законы распределения случайных величин/1.6. Независимость случайных величин.mp4 | 6.74 MB |
| 1.2.3. Описательная статистика и точечные оценки/4.6. Асимптотическая нормальность оценки и построение доверительных интервалов.mp4 | 6.72 MB |
| 1.2.3. Описательная статистика и точечные оценки/3.1. Точечное оценивание.mp4 | 6.71 MB |
| 2.1.3. Задача классификации. k-NN и наивный байесовский классификатор, логистическая регрессия, SVM, ДПР/4 8 Проклятие размерности.mp4 | 6.67 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/3.5. Условная вероятность независимость и независимость в совокупности.mp4 | 6.67 MB |
| 2.2.1. Понятие полносвязной сети/1.5. Ключевое отличие DL.mp4 | 6.60 MB |
| 2.1.3. Задача классификации. k-NN и наивный байесовский классификатор, логистическая регрессия, SVM, ДПР/4 3 Классификация методом k-NN.mp4 | 6.59 MB |
| Тексты лекций/Модуль 4 (Глубокое обучение)/5._Рекуррентные_НС.pdf | 6.57 MB |
| 2.2.4. Рекуррентные НС/1.10. BERT.mp4 | 6.54 MB |
| 2.1.3. Задача классификации. k-NN и наивный байесовский классификатор, логистическая регрессия, SVM, ДПР/4 7 Пример взвешенный k-NN и k-блочная кросс-валидация.mp4 | 6.52 MB |
| Тексты лекций/Модуль 3 (Машинное обучение)/6.Энтропия_и_ДПР.pdf | 6.44 MB |
| 2.1.2. Задача регрессии/2.6. Отступ и уверенность классификации.mp4 | 6.43 MB |
| 2.2.1. Понятие полносвязной сети/1.1. Чем занимается классическое ML.mp4 | 6.41 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/3.6. Понятие случайной величины.mp4 | 6.34 MB |
| Тексты лекций/Модуль 3 (Машинное обучение)/5.SVM.pdf | 6.30 MB |
| 1.2.3. Описательная статистика и точечные оценки/5.2. Понятие критерия. Ошибки 1 и 2 рода.mp4 | 6.27 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/1.8. Еще один взгляд на пример.mp4 | 6.27 MB |
| 1.2.2. Законы распределения случайных величин/2.5. Дисперсия и моменты старших порядков.mp4 | 6.23 MB |
| Тексты лекций/Модуль 3 (Машинное обучение)/1.Введение_МО.pdf | 6.17 MB |
| 2.2.1. Понятие полносвязной сети/2.2. Аналитическое построение модели.mp4 | 6.15 MB |
| 1.2.3. Описательная статистика и точечные оценки/2.1. Основные понятия и задачи математической статистики.mp4 | 6.13 MB |
| 2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.11. Under- and Over-fitting.mp4 | 6.08 MB |
| 2.1.2. Задача регрессии/1.11. Полиномиальная регрессия.mp4 | 6.05 MB |
| 1.2.3. Описательная статистика и точечные оценки/5.4. Критерий Колмогорова.mp4 | 6.01 MB |
| 2.1.2. Задача регрессии/2.2. Построение модели логистической регрессии.mp4 | 5.99 MB |
| 2.1.3. Задача классификации. k-NN и наивный байесовский классификатор, логистическая регрессия, SVM, ДПР/4 10 Пример классификации.mp4 | 5.97 MB |
| 2.1.3. Задача классификации. k-NN и наивный байесовский классификатор, логистическая регрессия, SVM, ДПР/4 4 Пример классификации.mp4 | 5.89 MB |
| 2.2.3. Сверточные нейронные сети/1.16. Dropout к 1.14..mp4 | 5.77 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/8._Запросы_на_языке_SQL.pdf | 5.65 MB |
| 2.1.4. Задача кластеризации. K-means. DBSCAN. иерархическая кластеризация/3.3. Пример хруст и сладость продуктов.mp4 | 5.65 MB |
| 2.1.2. Задача регрессии/1.8. Пример на реальных данных.mp4 | 5.55 MB |
| 2.2.1. Понятие полносвязной сети/1.2. Основные разделы ML.mp4 | 5.53 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/2.1. Наводящие размышления.mp4 | 5.50 MB |
| Тексты лекций/Модуль 3 (Машинное обучение)/10.Подкрепление.pdf | 5.48 MB |
| 2.1.1. Обзор направлений и методов машинного обучения, основные тренды в ИИ, библиотеки для Data Science/1.6.Обучение с подкреплением.mp4 | 5.44 MB |
| Тексты лекций/Модуль 4 (Глубокое обучение)/1. Введение.pdf | 5.39 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/12._MongoDB_2021.pdf | 5.36 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/7_Проектирование_структурированных_данных.pdf | 5.27 MB |
| 1.2.3. Описательная статистика и точечные оценки/3.5. Метод моментов для многомерного параметра.mp4 | 5.21 MB |
| 2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/2.9. Случайный лес.mp4 | 5.18 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/1.8. Схема Бернулли.mp4 | 5.12 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/2.Python.pdf | 5.04 MB |
| 1.2.3. Описательная статистика и точечные оценки/2.6. Выборочные квантили.mp4 | 4.81 MB |
| 2.1.2. Задача регрессии/2.7. Сравнение линейной и логистической регрессий.mp4 | 4.77 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/2.6. Пример на вычисление всего всего.mp4 | 4.76 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/11._Redis_2021.pdf | 4.75 MB |
| 1.2.3. Описательная статистика и точечные оценки/3.6. Модельный пример.mp4 | 4.73 MB |
| Тексты лекций/Модуль 3 (Машинное обучение)/2.Регрессия.pdf | 4.64 MB |
| 1.2.3. Описательная статистика и точечные оценки/3.7. Общее описание ММП.mp4 | 4.55 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/4._Анализ_и_преобразование_данных.pdf | 4.44 MB |
| Тексты лекций/Модуль 3 (Машинное обучение)/3.Классификаторы_KNN_и_наивный_байес.pdf | 4.37 MB |
| 1.2.3. Описательная статистика и точечные оценки/5.6. Гипотезы о равенстве средних двух нормальных выборок при равных дисперсиях.mp4 | 4.19 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/13._Cassandra_2021.pdf | 4.17 MB |
| 2.2.4. Рекуррентные НС/1.11. Советы по градиентам.mp4 | 4.15 MB |
| 1.2.3. Описательная статистика и точечные оценки/5.3. Критерии согласия.mp4 | 4.07 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/1._Введение_в_науку_о_данных.pdf | 4.06 MB |
| 2.1.1. Обзор направлений и методов машинного обучения, основные тренды в ИИ, библиотеки для Data Science/1.3.Мир машинного обучения и ИИ.mp4 | 4.02 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/1.4. Классическое определение вероятности.mp4 | 4.01 MB |
| Тексты лекций/Модуль 3 (Машинное обучение)/7.Кластеризация.pdf | 3.90 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/9._Объекты_базы_данных.pdf | 3.80 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/6_Системы_управления_базами_данных.pdf | 3.64 MB |
| 1.2.2. Законы распределения случайных величин/2.7. Ковариация и корреляция.mp4 | 3.55 MB |
| 2.2.3. Сверточные нейронные сети/1.2. Типичные задачи, решаемые сверточными НС.mp4 | 3.54 MB |
| Тексты лекций/Модуль 2 (Прикладная статистика)/Лекция_8._Точечное_оценивание.pdf | 3.30 MB |
| Тексты лекций/Модуль 3 (Машинное обучение)/4.LogisticRegression.pdf | 3.28 MB |
| 2.2.1. Понятие полносвязной сети/2.5. Функции активации (начало).mp4 | 3.13 MB |
| Тексты лекций/Модуль 3 (Машинное обучение)/8.МГК.pdf | 3.07 MB |
| 1.2.3. Описательная статистика и точечные оценки/5.5. Критерий однородности.mp4 | 3.02 MB |
| Тексты лекций/Модуль 2 (Прикладная статистика)/Лекция_9._Точные_и_асимптотические_доверительные_интервалы.pdf | 3.01 MB |
| Тексты лекций/Модуль 2 (Прикладная статистика)/Лекция_7._Выборочные_характеристики.pdf | 3.01 MB |
| 1.2.3. Описательная статистика и точечные оценки/3.9. Состоятельность оценки ММП.mp4 | 2.93 MB |
| 1.2.3. Описательная статистика и точечные оценки/3.4. Состоятельность оценки метода моментов.mp4 | 2.90 MB |
| 1.2.1. Случайные события, вероятность и случайные величины/2.7. Параметры схемы Бернулли.mp4 | 2.83 MB |
| 2.2.4. Рекуррентные НС/1.7. Практика.mp4 | 2.79 MB |
| 1.2.3. Описательная статистика и точечные оценки/5.7. Гипотеза о равенстве дисперсий двух нормальных выборок.mp4 | 2.65 MB |
| Тексты лекций/Модуль 4 (Глубокое обучение)/3. Инструменты обучения НС.pdf | 2.00 MB |
| 1.2.3. Описательная статистика и точечные оценки/5.9. Гипотеза о среднем нормальной выборки при неизвестной дисперсии.mp4 | 1.98 MB |
| Тексты лекций/Модуль 2 (Прикладная статистика)/Лекция_4._Типы_распределений_случайных_величин.pdf | 1.91 MB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/3._Визуализация_данных.pdf | 1.78 MB |
| 1.2.3. Описательная статистика и точечные оценки/5.8. Гипотеза о среднем нормальной выборки при известной дисперсии.mp4 | 1.77 MB |
| 1.2.3. Описательная статистика и точечные оценки/5.10. Заключительные слова.mp4 | 1.73 MB |
| 2.2.3. Сверточные нейронные сети/1.14. Практические моменты обучения НС.mp4 | 1.62 MB |
| 2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.5. Keras.mp4 | 1.57 MB |
| Тексты лекций/Модуль 2 (Прикладная статистика)/Лекция_5._Числовые_характеристики__сходимость.pdf | 1.31 MB |
| Тексты лекций/Модуль 2 (Прикладная статистика)/Лекция_6._Установочная_лекция_по_статистике.pdf | 1.09 MB |
| Тексты лекций/Модуль 2 (Прикладная статистика)/Лекция_3._Общее_понятие_вероятностного_пространства.pdf | 1011 KB |
| Тексты лекций/Модуль 1 (Хранение и обработка данных)/2._Инструменты_обработки_данных.pdf | 976 KB |
| Тексты лекций/Модуль 2 (Прикладная статистика)/Лекция_10._Проверка_гипотез.pdf | 975 KB |
| Тексты лекций/Модуль 2 (Прикладная статистика)/Лекция_2._Простейшие_случайные_величины.pdf | 968 KB |
| Тексты лекций/Модуль 2 (Прикладная статистика)/Лекция_1._Простейшая_теория_вероятностей.pdf | 939 KB |
| udp://tracker.opentrackr.org:1337/announce |
TorrentBank
Copyright © 2024