BtFinder

Combo.Cursos.de.Machine.Learning.com.R.Modulos.1.e.2

File Information:
  1. Magnet Link：Magnet LinkMagnet Link
  2. File Size：13.05 GB
  3. Creat Time：2024-08-25
  4. Active Degree：11
  5. Last Active：2024-11-03
  6. File Tags：Combo  Cursos  de  Machine  Learning  com  R  Modulos  1  e  2  
  7. Statement：This site does not provide download links, only text displays, and does not contain any infringement.
File List:

    Combo.Cursos.de.Machine.Learning.com.R.Modulos.1.e.2

  1. 6. Módulo 1 - Regressão Logística/2. Regressão logística (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. RegLogisticaTeoria.mp4 1.16 GB
  2. 15. Módulo 2 - PCA/1. Principal Component Analysis - PCA (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. PCAteoria.mp4 1.10 GB
  3. 18. Módulo 2 - AdaBoost/1. AdaBoost (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. ADAboostTeoria.mp4 1.06 GB
  4. 16. Módulo 2 - Random Forest/2. RandomForest (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. RandomForestTeoria.mp4 544.32 MB
  5. 8. Módulo 1 - KNN/1. KNN (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. KNN teoria.mp4 460.06 MB
  6. 20. Módulo 2 - Bagging/1. Bagging (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. BaggingTeoria.mp4 456.24 MB
  7. 1. Módulo 1 - Conceitos Básicos/3. Viés e Variância/1. Viés e Variância.mp4 453.87 MB
  8. 17. Módulo 2 - ExtraTrees/1. ExtraTrees (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. ETteoria.mp4 381.40 MB
  9. 1. Módulo 1 - Conceitos Básicos/4. Visão geral dos algoritmos de machine learning/1. Visão geral algoritmos ML.mp4 379.36 MB
  10. 2. Módulo 1 - Regressão Linear/1. Regressão linear (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. A matemática do Gradiente Descendente & Regressão Linear (machine learning).mp4 373.16 MB
  11. 12. Módulo 1 - Testando seus conhecimentos/3. Solução do exercício prático final - Parte 2/1. 10_2_DesafioSol_2.mp4 319.53 MB
  12. 14. Módulo 2 - Aprendizado não supervisionado/3. Clustering K Means (encontrando o número ideal de clusters)/1. KmeansNumClusters.mp4 314.36 MB
  13. 10. Módulo 1 - Decision Trees/3. Decision Trees evitando overfitting/1. DToverfitting.mp4 298.99 MB
  14. 13. Módulo 2 - Dados missing com Regressão/1. Substituindo dados missing com um modelo de regressão (Teoria)/1. MissingRegressaoTeoria.mp4 267.64 MB
  15. 4. Módulo 1 - Outros modelos de regressão linear/3. Regularização L1, L2 e regressão Lasso/1. Regularização L1 L2.mp4 259.51 MB
  16. 3. Módulo 1 - Pré-processamento/3. Feature selection correlação (conceito)/1. NatiCorrelacao.mp4 232.11 MB
  17. 1. Módulo 1 - Conceitos Básicos/1. Como estudar esse curso/1. AberturaCurso.mp4 220.92 MB
  18. 3. Módulo 1 - Pré-processamento/1. Pré-processamento dados missing/1. Dados missing Nati_Pronto.mp4 199.55 MB
  19. 22. Módulo 2 - Testando seus conhecimentos/2. Solução do exercício prático final/1. ML_2_10_DESAFIOsol.mp4 178.77 MB
  20. 6. Módulo 1 - Regressão Logística/3. Regressão logística (aplicação prática em R resolvendo um problema)/1. 5_1_RegLog.mp4 173.10 MB
  21. 14. Módulo 2 - Aprendizado não supervisionado/1. Aprendizado não supervisionado (Teoria)/1. SupervisionadoTeoria.mp4 150.93 MB
  22. 16. Módulo 2 - Random Forest/1. Métodos Ensemble (conceito)/1. MetodosEnsemble.mp4 143.11 MB
  23. 2. Módulo 1 - Regressão Linear/6. Regressão linear (solução exercício)/1. 1_RegLinExercSol.mp4 135.27 MB
  24. 7. Módulo 1 - Confusion matrix e normalização/3. Medição de desempenho ROCAUC (aplicação prática em R)/1. 6_2_Roc-Auc.mp4 134.30 MB
  25. 2. Módulo 1 - Regressão Linear/3. Regressão linear (aplicação prática em R resolvendo um problema – Parte 2)/1. 1_RegLin_2_ML_r.mp4 129.62 MB
  26. 9. Módulo 1 - Naive Bayes/1. Teorema de Bayes (conceito teórico)/1. Entenda o Teorema de Bayes (ótima explicação!).mp4 122.61 MB
  27. 15. Módulo 2 - PCA/2. Principal Component Analysis (aplicação prática em R)/1. ML_2_03_PCA.mp4 114.36 MB
  28. 16. Módulo 2 - Random Forest/5. RandomForest (solução do exercício - parte 1)/1. ML_2_04_RandomForestSol_1.mp4 108.81 MB
  29. 2. Módulo 1 - Regressão Linear/4. Regressão linear (aplicação prática em R resolvendo um problema – Parte 3)/1. 1_RegLin_3_ML_r.mp4 108.12 MB
  30. 4. Módulo 1 - Outros modelos de regressão linear/7. Comparando diferentes modelos em um único código/1. 3_4_RegLinFuncao.mp4 100.56 MB
  31. 12. Módulo 1 - Testando seus conhecimentos/2. Solução do exercício prático final - Parte 1/1. 10_1_DesafioSol_1.mp4 97.05 MB
  32. 4. Módulo 1 - Outros modelos de regressão linear/9. Escolha de um modelo de regressão (solução do exercício)/1. 3_5_SolExercElastic.mp4 95.75 MB
  33. 10. Módulo 1 - Decision Trees/6. Decision Trees Classifier (aplicação prática em R resolvendo um problema)/1. 8_1_DecisionTreeC.mp4 94.71 MB
  34. 2. Módulo 1 - Regressão Linear/2. Regressão linear (aplicação prática em R resolvendo um problema – Parte 1)/1. 1_RegLin_1_ML_R.mp4 93.25 MB
  35. 18. Módulo 2 - AdaBoost/2. AdaBoost (aplicação prática em R)/1. ML_2_06_AdaBoost.mp4 92.88 MB
  36. 3. Módulo 1 - Pré-processamento/2. Pré-processamento (solução do exercício)/1. 2_1_DadosMissingExerc.mp4 92.50 MB
  37. 10. Módulo 1 - Decision Trees/7. Decision Trees Classifier (ajustando os parâmetros)/1. 8_2_DecisionTreeCpar.mp4 89.53 MB
  38. 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/4. O que é Overfitting e Underfitting (Introdução a Machine Learning - Aula 4).mp4 86.55 MB
  39. 7. Módulo 1 - Confusion matrix e normalização/1. Medição de desempenho Confusion Matrix (teoria e prática)/1. 6_1_ConfusionMatrix.mp4 86.14 MB
  40. 4. Módulo 1 - Outros modelos de regressão linear/2. Ridge regression (aplicação prática em R resolvendo um problema)/1. 3_1_Ridge.mp4 77.49 MB
  41. 6. Módulo 1 - Regressão Logística/4. Regressão logística (ajuste fino de parâmetros)/1. 5_2_RegLogAjuste.mp4 77.00 MB
  42. 17. Módulo 2 - ExtraTrees/2. ExtraTrees (aplicação prática em R)/1. ML_2_05_ExtraTrees.mp4 73.78 MB
  43. 10. Módulo 1 - Decision Trees/9. Decision Trees Regressor (ajustando os parâmetros)/1. 8_4_DecisionTreeRajus.mp4 72.57 MB
  44. 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/4. Busca de parâmetros em um modelo (aplicação prática em R)/1. 4_3_AjustesParametros.mp4 70.77 MB
  45. 16. Módulo 2 - Random Forest/6. RandomForest (solução do exercício - parte 2)/1. ML_2_04_RandomForestSol2.mp4 70.54 MB
  46. 19. Módulo 2 - GradientBoosting/6. GradientBoosting (solução do exercício - parte 2)/1. ML_2_07_GradientBoostingSol2.mp4 66.85 MB
  47. 14. Módulo 2 - Aprendizado não supervisionado/4. Clustering K Means (aplicação prática em R)/1. ML_2_02_Kmeans.mp4 66.58 MB
  48. 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/1. Pacote Caret (linguagem R)/1. 4_1_Caret.mp4 61.27 MB
  49. 9. Módulo 1 - Naive Bayes/4. Naive Bayes (aplicação prática em R resolvendo um problema)/1. NaiveBayes.mp4 60.26 MB
  50. 8. Módulo 1 - KNN/2. KNN (aplicação prática em R resolvendo um problema)/1. 7_1_Knn.mp4 59.03 MB
Hot Tags:


© 2014-2024 BtFinder Sitemap Tags  FindBt