Обратите внимание, что наш сайт не размещает какие-либо файлы из списка. Вы не можете скачать
эти файлы или скачать torrent-файл.
|
0.1 Python в машинном обучении.mp4 |
33.68Мб |
0.2 Пример- Python для анализа изображений.mkv |
53.27Мб |
09 Разбор_10.ipynb |
87.97Кб |
1_урок__Основы_программирования_Python.pdf |
25.45Мб |
1.1 Задачи машинного обучения.mkv |
78.70Мб |
1.1 Переменные.mkv |
45.76Мб |
1.2 Основные виды машинного обучения.mkv |
41.87Мб |
1.2 Типы данных_2.mkv |
171.30Мб |
1.3 Компоненты классической ML-задачи.mkv |
85.86Мб |
1.3 Циклы_2.mkv |
40.22Мб |
1.3 Циклы.mkv |
40.22Мб |
1.4 Практика.mkv |
264.06Мб |
1.4 Условный оператор If_2.mkv |
51.78Мб |
1.docx |
203.05Кб |
10_урок__Базы_данных_в_Python_ORM.pdf |
7.93Мб |
10.1. FastAPI и SQLAlchemy.mkv |
129.09Мб |
10.1 Бинарная классификация, разделяющая гиперплоскость.mkv |
120.73Мб |
10.2 ORM, SQLAlchemy_2.mp4 |
92.95Мб |
10.2 Как строить разделяющую гиперплоскость.mkv |
48.76Мб |
10.3 Ликбез 1. Метод верхней оценки.mkv |
122.45Мб |
10.4 Практика. Линейная бинарная классификация в python.mkv |
259.61Мб |
10.docx |
19.01Кб |
10 banking.csv |
4.66Мб |
10 Practice_10.ipynb |
458.00Кб |
10 Задания.docx |
23.16Кб |
10 Конспект__10_урок__Линейная_классификация_оценка_вероятности.pdf |
9.33Мб |
10 Лекция.pdf |
2.44Мб |
10 Разбор_10.ipynb |
87.97Кб |
10 Разбор_11.ipynb |
28.88Кб |
10 лекция скрипты.zip |
43.66Кб |
11_урок__Airflow_Обзор_платформы.pdf |
3.75Мб |
11.1 Введение_2.mkv |
17.64Мб |
11.1 Метрики бинарной классификации. Теория.mkv |
128.19Мб |
11.2 Метрики бинарной классификации. Практика.mkv |
80.38Мб |
11.2 Устройство Аirflow.mkv |
97.66Мб |
11.3 Запуск и веб интерфейс.mkv |
58.15Мб |
11.4 Python operator.mkv |
92.18Мб |
11.5 Передача информации.mkv |
40.17Мб |
11.6 Connections.mkv |
21.37Мб |
11.7 Лучшие практики.mkv |
39.64Мб |
11.docx |
29.29Кб |
11 Lecture_11_Errors_Matrix.pptx |
3.63Мб |
11 Lecture.ipynb |
33.30Кб |
11 Practice_11.ipynb |
504.46Кб |
11 Задания.docx |
263.56Кб |
11 Конспект_11_урок_Матрица_ошибок_и_основные_метрики_классификации.pdf |
6.77Мб |
11 Разбор_12.ipynb |
12.28Кб |
12_урок__Полезные_вещи_в_разработке.pdf |
3.97Мб |
12.1 ROC кривая AUC ROC.mkv |
64.17Мб |
12.1 Шаблон приложения.mkv |
40.59Мб |
12.2 PR кривая AUC PR. Практика построения ROC кривых и PR кривых.mkv |
70.73Мб |
12.2 Переменные окружения.mkv |
52.13Мб |
12.3 Калибровочная кривая модели.mkv |
91.79Мб |
12.3 Проблема SQL инъекций.mkv |
26.72Мб |
12.4 Вынесение настроек в конфиг.mkv |
27.77Мб |
12.5 Разделение кода на модули.mkv |
71.31Мб |
12.6 Идемпотентность.mkv |
24.77Мб |
12.docx |
16.18Кб |
12 demo-best-practices-solutions.zip |
4.10Кб |
12 Lecture_12_ROC_PR_AUCS.pptx |
758.31Кб |
12 Practice_12.ipynb |
606.48Кб |
12 Конспект__12_урок__ROC_PR-кривые._AUC-ROC_AUC-PR._калибровка.pdf |
3.99Мб |
12 Разбор_13.ipynb |
13.36Кб |
13.1 Метод опорных векторов SVM_2.mkv |
85.98Мб |
13.2 Линейная неразделимость - регуляризация в бинарной классификации.mkv |
50.48Мб |
13.3 Практика.mkv |
82.31Мб |
13.docx |
45.47Кб |
13 Lecture_13_SVM.pdf |
26.07Мб |
13 Practice_13.ipynb |
735.86Кб |
13 Конспект__13_урок__Метод_опорных_векторов.pdf |
3.97Мб |
13 Разбор_14.ipynb |
23.90Кб |
14.1 Методы one vs all и one vs one.mkv |
81.17Мб |
14.2 Метрики качества.mp4 |
53.10Мб |
14.3 Практика. Задача сегментации клиентов.mkv |
327.38Мб |
14.docx |
20.65Кб |
14 Practice_14.ipynb |
527.19Кб |
14 segmentation_data.csv |
415.40Кб |
14 Конспект__14_урок_Многоклассовая_классификация_one_vs_rest_one_vs_one.pdf |
3.54Мб |
14 Разбор_15.ipynb |
30.81Кб |
15.1 Понижение размерности. Постановка задачи.mkv |
47.37Мб |
15.2 Метод главных компонент.mkv |
43.60Мб |
15.3 T-SNE.mkv |
52.67Мб |
15.4 Практика.mkv |
99.36Мб |
15.docx |
17.03Кб |
15 Lecture_15_Space_Dimension_Reduction.pptx |
2.79Мб |
15 Practice_15_.ipynb |
1.40Мб |
15 processed_segmentation.xlsx |
454.82Кб |
15 Конспект__15_урок__Понижение_размерности_признакового_пространства.pdf |
7.02Мб |
15 Разбор_16.ipynb |
23.94Кб |
16.1 Метод K ближайших соседей.mkv |
45.79Мб |
16.2 Практика. Сравнение линейной регрессии и метода KNN.mkv |
94.38Мб |
16.3 Гиперпараметры p и h. Перевзвешивание соседей.mkv |
52.39Мб |
16.4 Практика. Гауссовское ядро.mkv |
95.32Мб |
16.docx |
17.03Кб |
16 Lecture_16_KNN.pptx |
742.95Кб |
16 onevsrest.PNG |
26.39Кб |
16 Practice_16.ipynb |
47.48Кб |
16 Конспект__16_урок__Метод_K_ближайших_соседей_обоснование_нелинейности_гиперпараметры_и_подбор_метрики_близости_объектов.pdf |
4.32Мб |
16 Разбор_17.ipynb |
17.10Кб |
17.1 Введение в решающие деревья.mkv |
70.64Мб |
17.2 Критерии качества и информативности.mkv |
52.86Мб |
17.3 Критерии останова и жадный алгоритм.mkv |
24.12Мб |
17.4 Практика.mkv |
154.92Мб |
17.docx |
15.67Кб |
17 Lecture_17_Decision_Trees.pptx |
1.61Мб |
17 Practice_17.ipynb |
717.40Кб |
17 Конспект__17_урок__Решающее_дерево_постановка_задачи_регрессииклассификации_и_гиперпараметры_модели.pdf |
7.91Мб |
17 Разбор_18.ipynb |
21.52Кб |
18.1 Решающие деревья и проблема переобучения.mkv |
75.56Мб |
18.2 Практика. Предобработка и трансформация данных.mkv |
106.65Мб |
18.3 Практика. Обучение модели Decision tree.mkv |
106.14Мб |
18.docx |
15.63Кб |
18 holidays_events.csv |
21.79Кб |
18 items.csv |
99.45Кб |
18 Lecture_18_DT_Overfit.pdf |
18.63Мб |
18 oil.csv |
20.10Кб |
18 Practice_18.ipynb |
904.51Кб |
18 stores.csv |
1.35Кб |
18 Конспект__18_урок__Решающее_дерево_проблемы_с_обобщающей_способностью_и_подбор_гиперпараметров.pdf |
4.74Мб |
18 Разбор_19.ipynb |
30.83Кб |
19.1 Композиции алгоритмов, бэггинг.mkv |
47.10Мб |
19.2 Random forest.mkv |
23.44Мб |
19.3 Стекинг.mkv |
31.87Мб |
19.4 Практика.mkv |
302.46Мб |
19.docx |
19.34Кб |
19 Lecture_19_Bagging_And_Stacking — копия.pptx |
1.32Мб |
19 Practice_19.ipynb |
467.51Кб |
19 Конспект__19_урок_Композиции_алгоритмов._случайный_лес.pdf |
3.99Мб |
19 Разбор_20.ipynb |
85.28Кб |
1 HW_1_Разбор.ipynb |
71.21Кб |
1 Lesson.ipynb |
66.29Кб |
1 Задания.docx |
29.59Кб |
1 Организация курса.docx |
16.54Кб |
1 дз HW1new.ipynb |
19.26Кб |
1 дз taxi_dataset.csv |
181.94Мб |
2_урок__Функции._Ссылочная_модель_данных._Погружение_в_типы._Изменяемые_типы._Срезы._работа_со_строками.pdf |
8.35Мб |
2.1 Оценка качества модели.mp4 |
32.67Мб |
2.1 Функции в python.mkv |
48.59Мб |
2.2 Аргументы функции_2.mkv |
48.24Мб |
2.2 Понятие функции и функциональной зависимости.mkv |
24.63Мб |
2.3 Call stack и ошибки в python_2.mkv |
71.49Мб |
2.3 Функция потерь Loss function.mp4 |
13.00Мб |
2.4 Ссылочная модель данных.mkv |
21.51Мб |
2.4 Функционал качества и метрика.mp4 |
17.75Мб |
2.5 Король и королева регрессии MSE и MAE.mp4 |
18.30Мб |
2.5 Модель памяти в python.mkv |
33.68Мб |
2.6 Изменяемые и неизменяемые типы данных.mkv |
25.97Мб |
2.6 Практика.mkv |
38.09Мб |
2.7 Срезы. Продвинутая работа со строкам.mkv |
54.73Мб |
2.docx |
167.66Кб |
20.1 Бустинг.mkv |
38.84Мб |
20.2 Градиентный бустинг.mkv |
105.38Мб |
20.3 Bias-variance tradeoff.mkv |
64.73Мб |
20.4 Практика.mkv |
176.90Мб |
20.docx |
210.32Кб |
20 Lecture_20_Boosting_And_BVT.pptx |
1.67Мб |
20 Practice_20.ipynb |
1.92Мб |
20 Конспект__20_урок__Градиентный_бустинг._biase-variance_tradeoff.pdf |
2.94Мб |
20 Разбор_21.ipynb |
22.73Кб |
21.1 Введение.mkv |
29.12Мб |
21.2 K-means.mkv |
21.75Мб |
21.3 DBSCAN.mkv |
51.83Мб |
21.4 Практика.mkv |
101.92Мб |
21.docx |
17.21Кб |
21 Lecture_21_Clustering.pptx |
812.76Кб |
21 Practice_21.ipynb |
1.71Мб |
21 Конспект__21_урок__Кластеризация.pdf |
2.87Мб |
22.1 Контентная рекомендация.mkv |
52.98Мб |
22.2 Коллаборативная фильтрация.mkv |
84.02Мб |
22.3 Оценка качества и валидация рекомендательных систем.mkv |
28.51Мб |
22.4 Практика построение модели рекомендательной системы.mkv |
147.33Мб |
22.docx |
62.48Кб |
22 Lecture_22_RecSys.pptx |
4.31Мб |
22 movies.csv |
482.84Кб |
22 Practice_22.ipynb |
459.46Кб |
22 ratings.csv |
2.37Мб |
22 Конспект__22_урок__Рекомендательные_системы.pdf |
4.74Мб |
23_урок__Машинное_обучение_классические_задачи_и_алгоритмы_I.pdf |
10.51Мб |
23.1 Общие вопросы.mkv |
120.22Мб |
23.2 Вопросы о линейных моделях.mkv |
60.95Мб |
23.docx |
12.15Кб |
23 Lecture_23.pptx |
1.18Мб |
24_урок__Машинное_обучение_классические_задачи_и_алгоритмы_II.pdf |
6.51Мб |
24.docx |
12.25Кб |
24 Lecture_24.pptx |
1.21Мб |
24 Машинное обучение классические задачи и алгоритмы II.mkv |
158.85Мб |
25 HW_1_Разбор.ipynb |
71.21Кб |
26 HW2_Разбор.ipynb |
32.30Кб |
27 HW3_разбор.ipynb |
15.87Кб |
28 Разбор_4.ipynb |
163.68Кб |
28 Разбор ДЗ 4 урока.mkv |
98.56Мб |
29 Разбор_5.ipynb |
24.72Кб |
2 HW2_Разбор.ipynb |
32.30Кб |
2 Lecture_2_Metrics (2).pdf |
25.09Мб |
2 Lesson.ipynb |
65.41Кб |
2 Practice_2.ipynb |
263.21Кб |
2 ДЗ HW_2.ipynb |
19.20Кб |
2 ДЗ taxi_dataset_with_predictions.csv |
160.76Мб |
2 Задания.docx |
37.61Кб |
2 Конспект__2_урок__Оценка_качества_работы_моделей.pdf |
3.68Мб |
2 Среда и инструменты.docx |
141.39Кб |
3_урок__Внешние_модули._Экосистема_PyPi._установка_пакетов_в_виртуальные_окружения.pdf |
5.85Мб |
3.0 Интро.mp4 |
7.03Мб |
3.1 Библиотеки.mkv |
67.73Мб |
3.1 Линейные модели в МО.mkv |
63.09Мб |
3.2 Windows 10 Установка Anaconda.mkv |
19.72Мб |
3.2 Экстремумы и производная функции.mkv |
81.50Мб |
3.3 Linux Установка Anaconda.mkv |
17.97Мб |
3.3 Линейная регрессия OLS.mkv |
24.62Мб |
3.4 MacOS Установка Anaconda.mkv |
10.78Мб |
3.4 Ликбез №3 Матрицы.mkv |
27.81Мб |
3.5 Работа с массивами в Numpy.mkv |
39.61Мб |
3.5 Установка сторонних пакетов_2.mkv |
66.25Мб |
3.6 Виртуальное окружение_2.mkv |
57.82Мб |
3.6 Линейная регрессия OLS Матричная форма.mkv |
27.34Мб |
3.7 Итоги.mp4 |
5.37Мб |
3.7 Линейная регрессия в Python. Практика.mkv |
57.15Мб |
3.docx |
35.76Кб |
30 Разбор_6.ipynb |
34.53Кб |
31 Разбор_7.ipynb |
533.94Кб |
32 Разбор_8.ipynb |
69.93Кб |
33 Разбор_10.ipynb |
87.97Кб |
34 Разбор_11.ipynb |
28.88Кб |
35 Разбор_12.ipynb |
12.28Кб |
36 Разбор_13.ipynb |
13.36Кб |
37 Разбор_14.ipynb |
23.90Кб |
38 Разбор_15.ipynb |
30.81Кб |
39 Разбор_16.ipynb |
23.94Кб |
3 HW_3.ipynb |
12.64Кб |
3 HW3_разбор.ipynb |
15.87Кб |
3 Lecture_3_LR .pdf |
32.81Мб |
3 Lesson.ipynb |
12.62Кб |
3 Practice_3.ipynb |
25.24Кб |
3 Задания.docx |
29.98Кб |
3 Конспект__3_урок__Линейная_регрессия.pdf |
10.09Мб |
3 Типы заданий.docx |
15.61Кб |
4. _Обзор numpy, pandas, Jupyter. Основы jupyter_.pdf |
4.34Мб |
4.1 Введение.mkv |
9.84Мб |
4.1 Введение в градиентный спуск Минимизация функции с одной переменной.mkv |
70.39Мб |
4.2 Знакомство с Jupyter. Ячейки.mkv |
17.27Мб |
4.2 Минимизация функции с несколькими переменными.mkv |
70.15Мб |
4.3 Знакомство с Jupyter. Горячие клавиши.mkv |
47.87Мб |
4.3 Линейная регрессия Подбор параметров η и ξ.mkv |
75.52Мб |
4.4 Знакомство с Jupyter. Магические команды.mkv |
57.33Мб |
4.4 Настройка параметров графика в matplotlib.mkv |
114.71Мб |
4.5 Знакомство с Jupyter. Kernel.mkv |
26.43Мб |
4.5 Изображение градиентного спуска в matplotlib.mkv |
106.14Мб |
4.6 Numpy.mkv |
16.60Мб |
4.7 Pandas.mkv |
33.35Мб |
4.8 Matplotlib.mkv |
31.56Мб |
4.9 Заключение.mp4 |
3.29Мб |
4.docx |
196.64Кб |
40 Разбор_17.ipynb |
17.10Кб |
41 Разбор_18.ipynb |
21.52Кб |
42 Разбор_19.ipynb |
30.83Кб |
43 Разбор_20.ipynb |
85.28Кб |
44 Разбор_21.ipynb |
22.73Кб |
46 Разбор_23.ipynb |
22.71Кб |
47 Разбор_24.ipynb |
22.48Кб |
4 data.csv |
207.41Кб |
4 HW_4.ipynb |
19.38Кб |
4 Lecture_4_Gradient_Descent.pptx |
3.69Мб |
4 Lesson.ipynb |
220.09Кб |
4 Practice_4.ipynb |
398.86Кб |
4 Вводный вебинар.mp4 |
436.49Мб |
4 Задания.docx |
24.24Кб |
4 Конспект__4_урок__Градиентный_спуск.pdf |
4.30Мб |
4 Разбор_4.ipynb |
163.68Кб |
4 Разбор ДЗ 4 урока.mp4 |
187.89Мб |
5. _pandas_.pdf |
10.25Мб |
5.1 Обобщающая способность, метод отложенной выборки и кросс валидация.mkv |
93.59Мб |
5.1 Чтение файлов и обзор данных.mkv |
95.60Мб |
5.2 Практика Переобучение и недообучение.mkv |
181.30Мб |
5.2 Фильтрация данных, логические операторы.mkv |
67.60Мб |
5.3 Кросс валидация, реальный практический пример.mkv |
188.36Мб |
5.3 Функции фильтры.mkv |
48.14Мб |
5.4 Series и Index.mkv |
89.74Мб |
5.5 Группировка данных.mkv |
63.14Мб |
5.6 Работа с датами и временем.mkv |
61.78Мб |
5.7 Визуализация.mkv |
40.21Мб |
5.8 Сохранение данных.mkv |
31.32Мб |
5.docx |
70.25Кб |
5 HW5_NEW.ipynb |
16.83Кб |
5 initial_data.csv |
165.59Мб |
5 ks.csv |
42.62Мб |
5 Lesson.ipynb |
405.37Кб |
5 Practice_5.ipynb |
272.11Кб |
5 processed_data.csv |
83.50Мб |
5 train.csv |
633.16Кб |
5 x.csv |
29.62Мб |
5 y.csv |
2.02Мб |
5 Задания.docx |
34.31Кб |
5 Как подключиться к Slack через VPN.docx |
13.94Кб |
5 Конспект__5_урок__Обобщающая_способность_модели._Метод_отложенной_выборки._Кросс-Валидация..pdf |
5.30Мб |
5 Минипроект.docx |
21.66Кб |
5 Разбор_5.ipynb |
24.72Кб |
6__Базы_данных_в_Python_основы.pdf |
4.30Мб |
6_Redash.pdf |
2.59Мб |
6.1 Базы данных и СУБД.mkv |
18.53Мб |
6.1 Проблема переобучения в МО.mkv |
138.09Мб |
6.2 Основные SQL запросы Получение, аггрегация и сортировка данных.mkv |
72.73Мб |
6.2 Регуляризация и масштабирование признаков.mkv |
76.29Мб |
6.3 Ликбез №1 Условный экстремум и регуляризация.mp4 |
69.47Мб |
6.3 Объединение таблиц JOIN_2.mkv |
97.50Мб |
6.4 SQL в Python_2.mkv |
63.42Мб |
6.4 Практика №1. Регуляризация.mkv |
77.66Мб |
6.5 Мультиколлинеарность.mp4 |
71.59Мб |
6.6 Практика №2. Мультиколлинеарность.mkv |
69.56Мб |
6.docx |
17.27Кб |
6 Lecture_6_Regularization.pdf |
30.69Мб |
6 Lesson.ipynb |
588.23Кб |
6 Practice_6.ipynb |
223.80Кб |
6 Задания.docx |
21.38Кб |
6 Конспект__6_урок__Мультиколлинеарность_регуляризация_и_масштабирование_признаков.pdf |
4.95Мб |
6 Разбор_6.ipynb |
34.53Кб |
7_урок__Классы_и_ООП.pdf |
8.66Мб |
7.1 EDA.mkv |
107.75Мб |
7.1 Классы, объекты и методы_2.mkv |
62.27Мб |
7.2 Встроенные методы.mp4 |
24.91Мб |
7.2 Принципы ООП Часть 1.mkv |
58.88Мб |
7.3 Метод обёртки.mkv |
122.54Мб |
7.3 Принципы ООП. Часть 2.mkv |
60.84Мб |
7.4 Метод фильтрации.mkv |
186.10Мб |
7.docx |
18.95Кб |
7 Lesson.ipynb |
63.02Кб |
7 Practice_7.ipynb |
343.16Кб |
7 Задания.docx |
33.74Кб |
7 Конспект__7_урок__Методы_отбора_признаков.pdf |
8.14Мб |
7 Разбор_7.ipynb |
533.94Кб |
8_урок__Версионирование_кода_и_git.pdf |
9.11Мб |
8.1 Введение в git_2.mkv |
88.17Мб |
8.1 Работа с пропущенными значениями.mkv |
115.61Мб |
8.2 Ветки и теги_2.mkv |
72.46Мб |
8.2 Работа с выбросами Advanced счетчики.mkv |
157.98Мб |
8.3 Возможности git diff Ветвление. Использование тэгов.mkv |
73.58Мб |
8.3 Выделение признаков из текста. Подход TF IDF.mkv |
61.15Мб |
8.4 Лемматизация и стемминг.mkv |
83.51Мб |
8.4 Слияние веток.mkv |
58.56Мб |
8.5 Конфликт слияния веток.mkv |
58.60Мб |
8.6 Стратегии ветвления при разработке. Работа с удаленными провайдерами.mkv |
108.45Мб |
8.7 Взаимоотношение между remotes. Загрузка репозитория на удаленный сервер.mkv |
75.73Мб |
8.docx |
18.72Кб |
8 ks_crashed.csv |
19.40Мб |
8 Lecture_8_Additional_Info.pptx |
692.12Кб |
8 Lesson.ipynb |
31.27Кб |
8 Practice_8.ipynb |
126.08Кб |
8 Задания.docx |
836.48Кб |
8 Конспект__8_урок__Полезные_приемы_при_работе_с_данными.pdf |
10.10Мб |
8 Разбор_8.ipynb |
52.22Кб |
9_урок__Backend-разработка_что_это_такое._фреймворк_fastapi_для_прототипирования_backend-сервера.pdf |
7.23Мб |
9.1 Запрос на сервер.mkv |
94.79Мб |
9.2 Ответ сервера API.mkv |
71.11Мб |
9.3 Практика написания запросов. Метод get.mkv |
65.68Мб |
9.4 Практика написания запросов. Метод post. Подключение к базе данных. Валидация.mkv |
90.27Мб |
9.5 Подводные камни валидации. Валидация в FastAPI.mkv |
33.52Мб |
9.6 Статус коды.mkv |
52.80Мб |
9.docx |
12.17Кб |
9 Lesson.ipynb |
20.67Кб |
9 Practice_9_new.ipynb |
1.15Мб |
9 Задания.docx |
29.33Кб |
9 Конспект__9_урок__Housing_market_практика.pdf |
10.35Мб |
airflow-master.zip |
1.03Мб |
demo-best-practices-master.zip |
4.19Кб |
final_project-master.zip |
2.94Кб |
git-master.zip |
1.56Кб |
ks.csv |
42.62Мб |
Lecture_1_Object_Target.pdf |
15.07Мб |
macrofeatures.xlsx |
1.79Мб |
Practice_1.ipynb |
236.65Кб |
Конспект__1_урок__Введение_в_МО_каким_оно_бывает_и_каковы_основные_компоненты.pdf |
3.16Мб |