|
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.mkv |
71.55Мб |
| 0.2 Пример- Python для анализа изображений.mkv |
27.44Мб |
| 0.docx |
65.85Кб |
| 09 Разбор_10.ipynb |
87.97Кб |
| 0 input.ipynb |
774б |
| 0 Kaggle- инструкция.mkv |
30.61Мб |
| 1_Конспект__1_урок___Зачем_нужна_статистика_и_AB_тесты.pdf |
521.60Кб |
| 1_Конспект__1_урок__Введение._Полносвязные_слои._функции_активации(NEW).pdf |
2.25Мб |
| 1_урок__Основы_программирования_Python.pdf |
9.85Мб |
| 1.1 Задачи машинного обучения.mkv |
48.66Мб |
| 1.1 Переменные.mkv |
45.76Мб |
| 1.2 Основные виды машинного обучения.mkv |
41.87Мб |
| 1.2 Типы данных_2.mkv |
119.59Мб |
| 1.3 Компоненты классической ML-задачи.mkv |
54.54Мб |
| 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 |
| 1.docx |
15.43Кб |
| 1. Введение. Полносвязные слои. Функции активации.mkv |
80.58Мб |
| 1. Семинар.mkv |
312.85Мб |
| 10_Конспект__10__ Увеличение чувствительности_А_В тестов____.pdf |
5.42Мб |
| 10_урок__Базы_данных_в_Python_ORM.pdf |
707.96Кб |
| 10.1. FastAPI и SQLAlchemy.mkv |
129.09Мб |
| 10.1 Бинарная классификация, разделяющая гиперплоскость.mkv |
83.53Мб |
| 10.1 Трансформер своими руками.mkv |
145.95Мб |
| 10.1 Уменьшение дисперсии. Поправка Cuped.mkv |
34.49Мб |
| 10.2 Bert.mkv |
176.01Мб |
| 10.2 ORM, SQLAlchemy_2.mkv |
169.53Мб |
| 10.2 Как строить разделяющую гиперплоскость.mkv |
48.76Мб |
| 10.2 Сравнение изменений числа кликов и CTR.mkv |
30.90Мб |
| 10.3 GPT.mkv |
93.62Мб |
| 10.3 Ликбез 1. Метод верхней оценки.mkv |
85.46Мб |
| 10.4 Практика. Линейная бинарная классификация в python.mkv |
259.61Мб |
| 10.docx |
19.01Кб |
| 10.docx |
16.85Кб |
| 10.docx |
19.28Кб |
| 10 attention.py |
1.63Кб |
| 10 banking.csv |
4.66Мб |
| 10 demo_10.ipynb |
55.65Кб |
| 10 encoder_decoder.py |
4.88Кб |
| 10 hw_10.ipynb |
35.90Кб |
| 10 Lecture_10_Intro_to_DL_Bert.ipynb |
169.18Кб |
| 10 Lecture_10_Intro_to_DL_gpt.ipynb |
14.89Кб |
| 10 Lecture_10_Intro_to_DL_Transformer.ipynb |
76.36Кб |
| 10 model.py |
1.92Кб |
| 10 Practice_10.ipynb |
458.00Кб |
| 10 slides_10.pdf |
3.50Мб |
| 10 Задания.docx |
23.16Кб |
| 10 Конспект__10_урок__Линейная_классификация_оценка_вероятности.pdf |
4.38Мб |
| 10 Лекция.pdf |
171.81Кб |
| 10 Разбор_10.ipynb |
87.97Кб |
| 10 Разбор_11.ipynb |
28.88Кб |
| 10 лекция скрипты.zip |
43.66Кб |
| 11_Конспект__11_урок__Невозможность_проведения_AB_тестов.pdf |
1.05Мб |
| 11_урок__Airflow_Обзор_платформы.pdf |
198.75Кб |
| 11.1 Введение_2.mkv |
17.64Мб |
| 11.1 Метрики бинарной классификации. Теория.mkv |
88.41Мб |
| 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.docx |
25.65Кб |
| 11. Невозможность проведения АВ тестов.mkv |
57.57Мб |
| 11 app_11.py |
6.85Кб |
| 11 hw_11.ipynb |
52.61Кб |
| 11 Lecture_11_Errors_Matrix.pptx |
3.63Мб |
| 11 Lecture.ipynb |
33.30Кб |
| 11 Practice_11.ipynb |
504.46Кб |
| 11 slides_11.pdf |
149.42Кб |
| 11 Задания.docx |
263.56Кб |
| 11 Конспект_11_урок_Матрица_ошибок_и_основные_метрики_классификации.pdf |
2.90Мб |
| 11 Разбор_12.ipynb |
12.28Кб |
| 1 1 Статистика в ML.mkv |
26.86Мб |
| 12_урок__Полезные_вещи_в_разработке.pdf |
396.08Кб |
| 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 |
| 1 2 Введение в теорию вероятностей.mkv |
62.23Мб |
| 12 Конспект__12_урок__ROC_PR-кривые._AUC-ROC_AUC-PR._калибровка.pdf |
512.62Кб |
| 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 |
990.38Кб |
| 13 Practice_13.ipynb |
735.86Кб |
| 13 Конспект__13_урок__Метод_опорных_векторов.pdf |
499.86Кб |
| 13 Разбор_14.ipynb |
23.90Кб |
| 1 3 Условная вероятность Формула Байеса.mkv |
44.98Мб |
| 14.1 Методы one vs all и one vs one.mkv |
81.17Мб |
| 14.2 Метрики качества.mkv |
29.69Мб |
| 14.2 Метрики качества.mp4 |
28.12Мб |
| 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 |
| 1 4 Введение в статистику.mkv |
98.02Мб |
| 14 Конспект__14_урок_Многоклассовая_классификация_one_vs_rest_one_vs_one.pdf |
436.64Кб |
| 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 |
| 1 5 Дискретные распределения.mkv |
32.74Мб |
| 15 Конспект__15_урок__Понижение_размерности_признакового_пространства.pdf |
938.15Кб |
| 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 |
830.65Кб |
| 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 |
1.14Мб |
| 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 |
1.14Мб |
| 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 |
550.44Кб |
| 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 |
445.11Кб |
| 19 Разбор_20.ipynb |
85.28Кб |
| 1 HW_1_Разбор.ipynb |
71.21Кб |
| 1 hw_1.ipynb |
18.31Кб |
| 1 Lecture 1 Intro to DL.pptx |
14.72Мб |
| 1 Lesson.ipynb |
66.29Кб |
| 1 Seminar_1_Intro_to_DL.ipynb |
133.65Кб |
| 1 startml_каюмов_урок1.pdf |
673.97Кб |
| 1 Задания.docx |
29.59Кб |
| 1 Задания.docx |
16.33Кб |
| 1 Организация курса.docx |
16.54Кб |
| 1 Что обычно спрашивают на собеседованиях.mkv |
107.14Мб |
| 1 дз HW1new.ipynb |
19.26Кб |
| 1 дз taxi_dataset.csv |
181.94Мб |
| 2_Конспект__2_урок___Доверительные_интервалы.pdf |
1.41Мб |
| 2 _Конспект__2_урок___Методы_оценки_сложности_алгоритмов.pdf |
501.87Кб |
| 2 урок Функции Ссылочная модель данных Погружение в типы Изменяемые типы Срезы работа со строками pdf |
3.72Мб |
| 2.1 Градиентный спуск и методы оптимизации. Лекция.mkv |
28.05Мб |
| 2.1 Оценка качества модели.mkv |
20.46Мб |
| 2.1 Сложность алгоритмов и “O” нотация.mkv |
169.61Мб |
| 2.1 Функции в python.mkv |
48.59Мб |
| 2.2 Аргументы функции_2.mkv |
48.24Мб |
| 2.2 Обучение нейронных сетей. Лекция.mkv |
43.15Мб |
| 2.2 Понятие функции и функциональной зависимости.mkv |
24.63Мб |
| 2.2 Примеры оценки сложности алгоритмов.mkv |
92.88Мб |
| 2.3 Call stack и ошибки в python_2.mkv |
71.49Мб |
| 2.3 Высокоуровневое API для обучения нейросети. Семинар.mkv |
196.00Мб |
| 2.3 Правила 1 2.mkv |
85.28Мб |
| 2.3 Функция потерь Loss function.mkv |
20.20Мб |
| 2.4 Амортизированная сложность.mkv |
79.61Мб |
| 2.4 Обучение первой нейросети в PyTorch. Семинар.mkv |
61.94Мб |
| 2.4 Ссылочная модель данных.mkv |
21.51Мб |
| 2.4 Функционал качества и метрика.mkv |
26.79Мб |
| 2.5 Король и королева регрессии MSE и MAE.mkv |
25.68Мб |
| 2.5 Модель памяти в python.mkv |
33.68Мб |
| 2.5 Правила 2 2.mkv |
138.81Мб |
| 2.6 Изменяемые и неизменяемые типы данных.mkv |
25.97Мб |
| 2.6 Нетривиальные задачи. Примеры.mkv |
63.22Мб |
| 2.6 Практика.mkv |
38.09Мб |
| 2.7 Срезы. Продвинутая работа со строкам.mkv |
54.73Мб |
| 2.docx |
167.66Кб |
| 2.docx |
14.51Кб |
| 2.docx |
20.63Кб |
| 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 |
668.78Кб |
| 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 |
| 2 1 Для чего нужны доверительные интервалы.mkv |
50.58Мб |
| 21 Конспект__21_урок__Кластеризация.pdf |
642.26Кб |
| 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 |
783.70Кб |
| 2 2 Построение доверительных интервалов.mp4 |
79.17Мб |
| 23_урок__Машинное_обучение_классические_задачи_и_алгоритмы_I.pdf |
1.34Мб |
| 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 |
| 2 3 Виды распределений случайных величин.mkv |
52.00Мб |
| 24_урок__Машинное_обучение_классические_задачи_и_алгоритмы_II.pdf |
1.56Мб |
| 24.docx |
12.25Кб |
| 24 Lecture_24.pptx |
1.21Мб |
| 24 Машинное обучение классические задачи и алгоритмы II.mkv |
158.85Мб |
| 2 4 Центральная предельная теорема ЦПТ.mkv |
57.03Мб |
| 25 HW_1_Разбор.ipynb |
71.21Кб |
| 2 5 Применение ЦПТ.mkv |
104.49Мб |
| 26 HW2_Разбор.ipynb |
32.30Кб |
| 2 6 Доверительный интервал для доли.mkv |
32.88Мб |
| 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 demo_2.ipynb |
844.11Кб |
| 2 hw_2.ipynb |
41.23Кб |
| 2 HW2_Разбор.ipynb |
32.30Кб |
| 2 Lecture_2_Metrics (2).pdf |
5.14Мб |
| 2 Lecture 2 Intro to DL.pdf |
6.34Мб |
| 2 lesson_2.zip |
5.09Кб |
| 2 Lesson.ipynb |
65.41Кб |
| 2 M5 L2 рукопись.pdf |
1.50Мб |
| 2 Notion.docx |
12.18Кб |
| 2 plot_trajectory.py |
2.88Кб |
| 2 Practice_2.ipynb |
263.21Кб |
| 2 Seminar_2_Intro_to_DL.ipynb |
1.10Мб |
| 2slides_2.pdf |
14.19Мб |
| 2 ДЗ HW_2.ipynb |
19.20Кб |
| 2 ДЗ taxi_dataset_with_predictions.csv |
160.76Мб |
| 2 Задания.docx |
37.61Кб |
| 2 Задания.docx |
26.36Кб |
| 2 Конспект__2_урок__Оценка_качества_работы_моделей.pdf |
1.55Мб |
| 2 Конспект__2_урок_Оптимизация_нейронных_сетей._метод_обратного_распространения_ошибки.pdf |
2.66Мб |
| 2 М5 Л2.pdf |
3.79Мб |
| 2 Среда и инструменты.docx |
141.39Кб |
| 3 _Конспект__3_урок___Программирование_на_Python_задачи_и_теория_на_массивы_однодвух-связные_списки_не_алгоритмические_вещи.pdf |
626.90Кб |
| 3 Конспект 3 урок Статистики распределений взаимосвязь случайных величин показатели корреляции pdf |
2.48Мб |
| 3 урок Внешние модули Экосистема PyPi установка пакетов в виртуальные окружения pdf |
417.38Кб |
| 3.0 Интро.mkv |
12.14Мб |
| 3.1 Библиотеки.mkv |
67.73Мб |
| 3.1 Линейные модели в МО.mkv |
63.09Мб |
| 3.1 Массивы и указатели.mkv |
41.59Мб |
| 3.1 Сверточные нейронные сети. Лекция.mkv |
73.97Мб |
| 3.2 Windows 10 Установка Anaconda.mkv |
19.72Мб |
| 3.2 Задача контейнер с водой.mkv |
272.49Мб |
| 3.2 Сверточные нейронные сети. Семинар.mkv |
107.69Мб |
| 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 |
| 3.3 Односвязный и двусвязный список, задача на разворот односвязного списка.mkv |
279.49Мб |
| 3.4 MacOS Установка Anaconda.mkv |
10.78Мб |
| 3.4 Граничные условия, задача на подсвет букв подряд.mkv |
196.48Мб |
| 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.mkv |
10.67Мб |
| 3.7 Линейная регрессия в Python. Практика.mkv |
57.15Мб |
| 3.docx |
35.76Кб |
| 3.docx |
14.77Кб |
| 3.docx |
18.17Кб |
| 3. Статистики распределений, взаимосвязь случайных величин.mkv |
31.60Мб |
| 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 demo_3.ipynb |
182.05Кб |
| 3 hw_3.ipynb |
81.88Кб |
| 3 HW_3.ipynb |
12.64Кб |
| 3 HW3_разбор.ipynb |
15.87Кб |
| 3 Lecture_3_LR .pdf |
16.16Мб |
| 3 Lecture 3 Intro to DL.pdf |
11.60Мб |
| 3 Lesson.ipynb |
12.62Кб |
| 3 Notion.docx |
12.33Кб |
| 3 Practice_3.ipynb |
25.24Кб |
| 3 Seminar_3_Intro_to_DL.ipynb |
2.76Мб |
| 3 slides_3.pdf |
5.43Мб |
| 3 Задания.docx |
29.98Кб |
| 3 Задания.docx |
41.10Кб |
| 3 Конспект__3_урок__Линейная_регрессия.pdf |
4.26Мб |
| 3 Конспект__3_урок__Сверточные_нейронные_сети.pdf |
2.79Мб |
| 3 М5 Л3.pdf |
5.80Мб |
| 3 М5 Л3 рукопись.pdf |
1.58Мб |
| 3 Типы заданий.docx |
15.61Кб |
| 4 Конспект 4 урок Проверка гипотез параметрические статистические критерии pdf |
494.00Кб |
| 4 Конспект 4 урок Программирование на Python задачи и теория на деревья и графы pdf |
1.49Мб |
| 4. _Обзор numpy, pandas, Jupyter. Основы jupyter_.pdf |
365.29Кб |
| 4.1 Введение.mkv |
9.84Мб |
| 4.1 Введение в градиентный спуск Минимизация функции с одной переменной.mkv |
70.39Мб |
| 4.1 Регуляризация и нормализация нейронных сетей. Batch нормализация.mkv |
155.34Мб |
| 4.2 Знакомство с Jupyter. Ячейки.mkv |
17.27Мб |
| 4.2 Минимизация функции с несколькими переменными.mkv |
70.15Мб |
| 4.2 Нормализация входных данных. Инициализация параметров. Аугментация данных.mkv |
115.97Мб |
| 4.3 Знакомство с Jupyter. Горячие клавиши.mkv |
47.87Мб |
| 4.3 Линейная регрессия Подбор параметров η и ξ.mkv |
75.52Мб |
| 4.3 Практика.mkv |
133.58Мб |
| 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.mkv |
7.47Мб |
| 4.docx |
196.64Кб |
| 4.docx |
19.42Кб |
| 4.docx |
18.62Кб |
| 40 Разбор_17.ipynb |
17.10Кб |
| 4 1 Основные определения графов.mkv |
62.48Мб |
| 41 Разбор_18.ipynb |
21.52Кб |
| 4 2 Обход в ширину и глубину.mkv |
130.52Мб |
| 42 Разбор_19.ipynb |
30.83Кб |
| 4 3 Компонента связности.mkv |
111.77Мб |
| 43 Разбор_20.ipynb |
85.28Кб |
| 4 4 Деревья основные определения.mkv |
74.82Мб |
| 44 Разбор_21.ipynb |
22.73Кб |
| 4 5 Кучи и сортировка кучей.mkv |
141.36Мб |
| 46 Разбор_23.ipynb |
22.71Кб |
| 47 Разбор_24.ipynb |
22.48Кб |
| 4 data.csv |
207.41Кб |
| 4 DataSphere introduction.ipynb |
7.91Кб |
| 4 demo_4.ipynb |
212.34Кб |
| 4 hw_4.ipynb |
63.54Кб |
| 4 HW_4.ipynb |
19.38Кб |
| 4 Lecture_4_Gradient_Descent.pptx |
3.69Мб |
| 4 Lesson.ipynb |
220.09Кб |
| 4 Notion.docx |
12.33Кб |
| 4 Practice_4.ipynb |
398.86Кб |
| 4 Seminar_4_Intro_to_DL.ipynb |
4.32Мб |
| 4 slides_4.pdf |
5.59Мб |
| 4 Вводный вебинар.mp4 |
201.81Мб |
| 4 Задания.docx |
24.24Кб |
| 4 Задания.docx |
116.75Кб |
| 4 Конспект__4_урок__Градиентный_спуск.pdf |
788.82Кб |
| 4 Конспект__4_урок__Сверточные_нейронные_сети._часть_ii.pdf |
1.29Мб |
| 4 Проверка гипотез, параметрические статистические критерии.mkv |
75.81Мб |
| 4 Разбор_4.ipynb |
163.68Кб |
| 4 Разбор ДЗ 4 урока.mp4 |
187.89Мб |
| 5 Конспект 5 урок Программирование на python Задачи на динамическое программирование pdf |
264.30Кб |
| 5_Конспект__5_урок__Непараметрические_статистические_критерии.pdf |
428.15Кб |
| 5. _pandas_.pdf |
798.78Кб |
| 5.1 Обобщающая способность, метод отложенной выборки и кросс валидация.mkv |
93.59Мб |
| 5.1 Популярные архитектуры сверточных нейронных сетей. Перенос знаний.mkv |
302.97Мб |
| 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.docx |
16.14Кб |
| 5.docx |
18.48Кб |
| 5. Непараметрические статистические критерии.mkv |
46.96Мб |
| 5 1 Общий подход к рекурсии.mkv |
127.00Мб |
| 5 2 Динамическое программирование.mkv |
216.30Мб |
| 5 3 Разделяй и властвуй.mkv |
263.95Мб |
| 5 demo_5.ipynb |
97.67Кб |
| 5 hw_5.ipynb |
21.40Кб |
| 5 HW5_NEW.ipynb |
16.83Кб |
| 5 initial_data.csv |
165.59Мб |
| 5 ks.csv |
42.62Мб |
| 5 Lesson.ipynb |
405.37Кб |
| 5 Notion.docx |
12.34Кб |
| 5 Practice_5.ipynb |
272.11Кб |
| 5 processed_data.csv |
83.50Мб |
| 5 Seminar_5_Intro_to_DL.ipynb |
6.21Мб |
| 5 slides_5.pdf |
3.92Мб |
| 5 train.csv |
633.16Кб |
| 5 x.csv |
29.62Мб |
| 5 y.csv |
2.02Мб |
| 5 Задания.docx |
34.31Кб |
| 5 Задания.docx |
61.26Кб |
| 5 Как подключиться к Slack через VPN.docx |
13.94Кб |
| 5 Конспект__5_урок__Обобщающая_способность_модели._Метод_отложенной_выборки._Кросс-Валидация..pdf |
1.05Мб |
| 5 Конспект__5_урок__Популярные_архитектуры_сверточных_нейронных_сетей._перенос_знаний.pdf |
2.86Мб |
| 5 М5 Л5.pdf |
3.80Мб |
| 5 Минипроект.docx |
21.66Кб |
| 5 Разбор_5.ipynb |
24.72Кб |
| 6__Базы_данных_в_Python_основы.pdf |
326.26Кб |
| 6_Redash.pdf |
286.45Кб |
| 6 _Конспект__6_урок___Машинное_обучение_еще_раз_повторяем_что_может_встретиться_на_собеседовании.pdf |
228.35Кб |
| 6 Конспект 6 урок Метод максимума правдоподобия и ядерная оценка плотности pdf |
2.69Мб |
| 6.1 Базы данных и СУБД.mkv |
18.53Мб |
| 6.1 Проблема переобучения в МО.mkv |
138.09Мб |
| 6.1 Сегментация объектов.mkv |
70.73Мб |
| 6.2 Основные SQL запросы Получение, аггрегация и сортировка данных.mkv |
72.73Мб |
| 6.2 Практика по сегментации.mkv |
55.66Мб |
| 6.2 Регуляризация и масштабирование признаков.mkv |
76.29Мб |
| 6.3 Детекция объектов.mkv |
130.00Мб |
| 6.3 Ликбез №1 Условный экстремум и регуляризация.mkv |
38.41Мб |
| 6.3 Объединение таблиц JOIN_2.mkv |
97.50Мб |
| 6.4 SQL в Python_2.mkv |
63.42Мб |
| 6.4 Практика по детекции.mkv |
88.08Мб |
| 6.4 Практика №1. Регуляризация.mkv |
77.66Мб |
| 6.5 Мультиколлинеарность.mkv |
41.98Мб |
| 6.6 Практика №2. Мультиколлинеарность.mkv |
69.56Мб |
| 6.docx |
12.85Кб |
| 6.docx |
53.92Кб |
| 6.docx |
18.08Кб |
| 6. Машинное обучение ещё раз повторяем, что может встретиться на собеседовании.mkv |
388.86Мб |
| 6. Метод максимума правдоподобия и ядерная оценка плотности.mkv |
57.97Мб |
| 6 demo_6.ipynb |
245.55Кб |
| 6 hw_6.ipynb |
48.09Кб |
| 6 Interview_6.ipynb |
41.29Кб |
| 6 Lecture_6_Regularization.pdf |
1.11Мб |
| 6 Lesson.ipynb |
588.23Кб |
| 6 Notion.docx |
12.32Кб |
| 6 Practice_5.ipynb |
66.72Кб |
| 6 Practice_6.ipynb |
223.80Кб |
| 6 Seminar_6_Intro_to_DL.ipynb |
42.24Мб |
| 6 slides_6.pdf |
3.47Мб |
| 6 test.csv |
1.53Мб |
| 6 train.csv |
4.10Мб |
| 6 Задания.docx |
21.38Кб |
| 6 Задания.docx |
17.54Кб |
| 6 Конспект__6_урок__Детекция_объектов.pdf |
5.69Мб |
| 6 Конспект__6_урок__Мультиколлинеарность_регуляризация_и_масштабирование_признаков.pdf |
650.38Кб |
| 6 Разбор_6.ipynb |
34.53Кб |
| 6 картинки.zip |
8.86Мб |
| 7_Конспект__7_урок___Собеседования_по_теории_вероятностей_и_статистике.pdf |
224.83Кб |
| 7_Конспект__7_урок__Дизайн_AB_эксперимента.pdf |
370.45Кб |
| 7_урок__Классы_и_ООП.pdf |
234.17Кб |
| 7.1 EDA.mkv |
107.75Мб |
| 7.1 Автоэнкодеры.mkv |
58.04Мб |
| 7.1 Классы, объекты и методы_2.mkv |
62.27Мб |
| 7.2 Встроенные методы.mp4 |
24.91Мб |
| 7.2 Идентификация лиц.mkv |
50.20Мб |
| 7.2 Принципы ООП Часть 1.mkv |
58.88Мб |
| 7.3 Автоэнкодеры на практике.mkv |
145.89Мб |
| 7.3 Метод обёртки.mkv |
122.54Мб |
| 7.3 Принципы ООП. Часть 2.mkv |
60.84Мб |
| 7.4 Метод фильтрации.mkv |
186.10Мб |
| 7.4 Распознавание лиц на практике.mkv |
97.89Мб |
| 7.docx |
18.95Кб |
| 7.docx |
14.87Кб |
| 7.docx |
15.40Кб |
| 7. Дизайн AB эксперимента.mkv |
44.63Мб |
| 7. Собеседования по теории вероятностей и статистике.mkv |
80.43Мб |
| 7 demo_7.ipynb |
6.40Кб |
| 7 faces_dataset.zip |
2.64Мб |
| 7 hw_7.ipynb |
21.29Кб |
| 7 Lecture_7_Intro_to_DL.pdf |
2.94Мб |
| 7 Lesson.ipynb |
63.02Кб |
| 7 Notion.docx |
12.32Кб |
| 7 Practice_7.ipynb |
343.16Кб |
| 7 Seminar_7_Intro_to_DL_1.ipynb |
4.27Мб |
| 7 Seminar_7_Intro_to_DL_2.ipynb |
3.58Мб |
| 7 slides_7.pdf |
447.83Кб |
| 7 Задания.docx |
33.74Кб |
| 7 Задания.docx |
17.15Кб |
| 7 Конспект__7_урок__.pdf |
7.14Мб |
| 7 Конспект__7_урок__Методы_отбора_признаков.pdf |
3.95Мб |
| 7 Разбор_7.ipynb |
533.94Кб |
| 8_Конспект__8_урок___Собеседования_по_AB_тестированию.pdf |
329.73Кб |
| 8 Конспект 8 урок АА-эксперименты и валидация методики экспериментирования pdf |
5.90Мб |
| 8_урок__Версионирование_кода_и_git.pdf |
1.05Мб |
| 8.1 Введение в git_2.mkv |
88.17Мб |
| 8.1 Векторные представления текстов. Лекция.mkv |
137.42Мб |
| 8.1 Работа с пропущенными значениями.mkv |
115.61Мб |
| 8.2 Векторные представления текстов. Семинар.mkv |
130.98Мб |
| 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.docx |
13.78Кб |
| 8.docx |
15.05Кб |
| 8. АA эксперименты и валидация методики экспериментирования.mkv |
83.53Мб |
| 8. Собеседования по АВ тестированию.mkv |
56.83Мб |
| 8 demo_8.ipynb |
247.88Кб |
| 8 hw_8.ipynb |
25.21Кб |
| 8 IMDB Dataset.csv |
25.71Мб |
| 8 ks_crashed.csv |
19.40Мб |
| 8 Lecture_8_Additional_Info.pptx |
692.12Кб |
| 8 Lecture_8_Intro_to_DL.ipynb |
96.81Кб |
| 8 Lecture_8_Intro_to_DL.pdf |
9.61Мб |
| 8 Lesson.ipynb |
31.27Кб |
| 8 M5_Л8.pdf |
13.11Мб |
| 8 Notion.docx |
12.46Кб |
| 8 Practice_8.ipynb |
126.08Кб |
| 8 slides_8.pdf |
9.30Мб |
| 8 Задания.docx |
836.48Кб |
| 8 Задания.docx |
16.35Кб |
| 8 Конспект__8_урок__Векторные_представления_слов._рекуррентные_нейронные_сети.pdf |
1.22Мб |
| 8 Конспект__8_урок__Полезные_приемы_при_работе_с_данными.pdf |
4.11Мб |
| 8 Разбор_8.ipynb |
52.22Кб |
| 9______AB_.pdf |
1.67Мб |
| 9 урок Backend-разработка что это такое фреймворк fastapi для прототипирования backend-сервера pdf |
1.26Мб |
| 9.1 Запрос на сервер.mkv |
94.79Мб |
| 9.1 Обработка вещественных признаков.mp4 |
118.82Мб |
| 9.1 Реккурентные нейронные сети (RNN) и их модификации.mkv |
81.95Мб |
| 9.2 Обработка категориальных признаков.mp4 |
73.65Мб |
| 9.2 Ответ сервера API.mkv |
71.11Мб |
| 9.3 Построение модели.mp4 |
209.14Мб |
| 9.3 Практика написания запросов. Метод get.mkv |
65.68Мб |
| 9.3 Трансформер.mkv |
82.80Мб |
| 9.4 Анализ выбросов.mp4 |
20.67Мб |
| 9.4 Практика.mkv |
205.47Мб |
| 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 |
| 9.5 Сегментация данных.mp4 |
95.89Мб |
| 9.6 Статус коды.mkv |
52.80Мб |
| 9.docx |
12.17Кб |
| 9.docx |
16.03Кб |
| 9.docx |
14.57Кб |
| 9. Ошибки при проведении AB тестов.mkv |
61.23Мб |
| 9 anek.txt |
23.77Мб |
| 9 demo_9.ipynb |
154.14Кб |
| 9 hw_9.ipynb |
10.63Кб |
| 9 Lecture_9_Intro_to_DL.ipynb |
104.70Кб |
| 9 Lecture_9_Intro_to_DL.pdf |
3.45Мб |
| 9 Lesson.ipynb |
20.67Кб |
| 9 Practice_9_new.ipynb |
1.15Мб |
| 9 slides_9.pdf |
8.32Мб |
| 9 Start ML_подготовка к собеседованию.pdf |
6.45Мб |
| 9 Гайд для ML.pdf |
8.78Мб |
| 9 Задания.docx |
29.33Кб |
| 9 Конспект__9_урок__Housing_market_практика.pdf |
4.73Мб |
| 9 Конспект__9_урок__LSTM._Трансформер._механизм_внимания.pdf |
7.46Мб |
| 9 Трудоустройство- первые шаги.mkv |
138.36Мб |
| 9 как оформить гитхаб.pdf |
3.19Мб |
| 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 |
1.08Мб |
| macrofeatures.xlsx |
1.79Мб |
| Practice_1.ipynb |
236.65Кб |
| Конспект 1 урок Введение в МО каким оно бывает и каковы основные компоненты pdf |
467.50Кб |
| Эпилог.docx |
170.36Кб |