[Университет 20.35] Аналитик данных (2022)

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