|
Обратите внимание, что наш сайт не размещает какие-либо файлы из списка. Вы не можете скачать
эти файлы или скачать torrent-файл.
|
| .gitignore |
3.02Кб |
| 01_numpy.ipynb |
929.37Кб |
| 01 ML-Pipeline.mp4 |
34.90Мб |
| 01 ML-Pipeline.pdf |
1.25Мб |
| 01 NLP. Примеры задач.mp4 |
27.16Мб |
| 01 NLP. Примеры задач.pdf |
1.24Мб |
| 01 Target encoding.mp4 |
37.81Мб |
| 01 Target encoding.pdf |
1.26Мб |
| 01 Алгоритм kNN.mp4 |
28.98Мб |
| 01 Алгоритм kNN.pdf |
1.33Мб |
| 01 Алгоритм градиентного спуска.mp4 |
53.00Мб |
| 01 Алгоритм градиентного спуска.pdf |
719.70Кб |
| 01 Анализ датасета.pdf |
718.32Кб |
| 01 Аналитическое решение.mp4 |
39.80Мб |
| 01 Аналитическое решение.pdf |
1.35Мб |
| 01 Ансамблирование алгоритмов.mp4 |
16.58Мб |
| 01 Ансамблирование алгоритмов.pdf |
1.31Мб |
| 01 Библиотека matplotlib.mp4 |
78.46Мб |
| 01 Библиотека matplotlib.pdf |
1.12Мб |
| 01 Библиотека NumPy. Создание массивов.mp4 |
60.47Мб |
| 01 Библиотека Pandas. Типы данных библиотеки.mp4 |
35.56Мб |
| 01 Бустинг.mp4 |
22.09Мб |
| 01 Бустинг.pdf |
1.26Мб |
| 01 Введение.mp4 |
10.55Мб |
| 01 Введение.mp4 |
11.86Мб |
| 01 Введение.pdf |
645.43Кб |
| 01 Введение.pdf |
1.33Мб |
| 01 Введение.pdf |
1.27Мб |
| 01 Введение.pdf |
598.27Кб |
| 01 Введение.pdf |
995.96Кб |
| 01 Глоссарий.mp4 |
15.77Мб |
| 01 Глоссарий.pdf |
1.33Мб |
| 01 Домашнее задание.pdf |
824.44Кб |
| 01 Домашнее задание.pdf |
882.32Кб |
| 01 Зачем Data Scientist’у анализ данных.mp4 |
9.01Мб |
| 01 Зачем Data Scientist’у анализ данных.pdf |
1.36Мб |
| 01 Итоги.mp4 |
6.82Мб |
| 01 Итоги.mp4 |
18.17Мб |
| 01 Итоги.pdf |
607.44Кб |
| 01 Итоги.pdf |
588.40Кб |
| 01 Итоги.pdf |
949.43Кб |
| 01 Итоги.pdf |
1.28Мб |
| 01 Итоги.pdf |
962.50Кб |
| 01 Итоги.pdf |
1.31Мб |
| 01 Итоги темы.mp4 |
13.99Мб |
| 01 Итоги темы.mp4 |
16.33Мб |
| 01 Итоги темы.mp4 |
8.56Мб |
| 01 Итоги темы.pdf |
1.31Мб |
| 01 Итоги темы.pdf |
1.35Мб |
| 01 Итоги темы.pdf |
1.39Мб |
| 01 Категориальные признаки.mp4 |
17.76Мб |
| 01 Категориальные признаки.pdf |
1.34Мб |
| 01 Качество и типы данных.mp4 |
46.27Мб |
| 01 Качество и типы данных.pdf |
659.44Кб |
| 01 Кластеризация.mp4 |
45.89Мб |
| 01 Кластеризация.pdf |
1.40Мб |
| 01 Линейная регрессия.mp4 |
41.47Мб |
| 01 Линейная регрессия.pdf |
1.42Мб |
| 01 Логистическая регрессия.mp4 |
62.64Мб |
| 01 Логистическая регрессия.pdf |
1.39Мб |
| 01 Метамодели.mp4 |
30.95Мб |
| 01 Метамодели.pdf |
1.30Мб |
| 01 Метрики качества.mp4 |
34.41Мб |
| 01 Метрики качества.mp4 |
51.37Мб |
| 01 Метрики качества.pdf |
1.47Мб |
| 01 Метрики качества.pdf |
1.47Мб |
| 01 Многоклассовая классификация.mp4 |
71.88Мб |
| 01 Многоклассовая классификация.pdf |
1.47Мб |
| 01 Настраиваем рабочее окружение.mp4 |
47.90Мб |
| 01 Настраиваем рабочее окружение.pdf |
769.99Кб |
| 01 Обучим логистическую регрессию.mp4 |
195.53Мб |
| 01 Обучим логистическую регрессию.pdf |
1.13Мб |
| 01 Оптимизация гиперпараметров.mp4 |
51.61Мб |
| 01 Оптимизация гиперпараметров.pdf |
1.43Мб |
| 01 О чем модуль.pdf |
681.94Кб |
| 01 О чем модуль.pdf |
635.94Кб |
| 01 О чем модуль.pdf |
1.12Мб |
| 01 О чем модуль.pdf |
628.20Кб |
| 01 Переобучение, недообучение.mp4 |
65.83Мб |
| 01 Переобучение, недообучение.pdf |
1.46Мб |
| 01 Подбор гиперпараметров kNN.mp4 |
27.79Мб |
| 01 Подбор гиперпараметров kNN.pdf |
1.36Мб |
| 01 Поиск ближайших соседей.mp4 |
86.76Мб |
| 01 Поиск ближайших соседей.pdf |
1.46Мб |
| 01 Построение моделей.pdf |
845.56Кб |
| 01 Практическая демонстрация.mp4 |
100.06Мб |
| 01 Практическая демонстрация.pdf |
1.14Мб |
| 01 Проклятие размерности.mp4 |
29.02Мб |
| 01 Проклятие размерности.pdf |
1.41Мб |
| 01 Пропущенные значения.mp4 |
28.99Мб |
| 01 Пропущенные значения.pdf |
1.35Мб |
| 01 Разбираем задачу на примере kNN.mp4 |
62.93Мб |
| 01 Разбираем задачу на примере kNN.pdf |
1.10Мб |
| 01 Регуляризация.mp4 |
57.12Мб |
| 01 Регуляризация.pdf |
1.42Мб |
| 01 Рекомендательные системы.mp4 |
64.16Мб |
| 01 Рекомендательные системы.pdf |
1.40Мб |
| 01 Сводные показатели. Часть 1.mp4 |
41.21Мб |
| 01 Сводные показатели. Часть 1.pdf |
1.43Мб |
| 01 Создание массивов.pdf |
1.11Мб |
| 01 Тест.pdf |
865.09Кб |
| 01 Типы данных библиотеки.pdf |
1.13Мб |
| 01 Улучшения алгоритма kNN.mp4 |
38.54Мб |
| 01 Улучшения алгоритма kNN.pdf |
1.42Мб |
| 01 Финальный проект.pdf |
778.11Кб |
| 01 Финальный проект.pdf |
728.30Кб |
| 01 Цикл разработки моделей.mp4 |
27.80Мб |
| 01 Цикл разработки моделей.pdf |
1.39Мб |
| 01 Численные признаки.mp4 |
18.20Мб |
| 01 Численные признаки.pdf |
1.35Мб |
| 01 задания.pdf |
701.94Кб |
| 02_pandas.ipynb |
20.85Кб |
| 02.1 ML-проект.mp4 |
42.54Мб |
| 02.1 ML-проект.pdf |
1.28Мб |
| 02.2 Декомпозиция ML-проекта.mp4 |
44.28Мб |
| 02.2 Декомпозиция ML-проекта.pdf |
1.36Мб |
| 02 ML-пайплайны в scikit-learn.mp4 |
107.15Мб |
| 02 ML-пайплайны в scikit-learn.pdf |
1.45Мб |
| 02 Блендинг и стекинг. Часть 1.mp4 |
64.79Мб |
| 02 Блендинг и стекинг. Часть 1.pdf |
1.09Мб |
| 02 Датасет.pdf |
735.75Кб |
| 02 Задание.pdf |
827.55Кб |
| 02 Задание.pdf |
824.14Кб |
| 02 Задания.pdf |
954.12Кб |
| 02 Задача ранжирования.mp4 |
28.97Мб |
| 02 Задача ранжирования.pdf |
1.39Мб |
| 02 Использование инструментов поиска гиперпараметра.mp4 |
70.87Мб |
| 02 Использование инструментов поиска гиперпараметра.pdf |
1.45Мб |
| 02 Как учиться.pdf |
3.24Мб |
| 02 Классические методы NLP.mp4 |
45.58Мб |
| 02 Классические методы NLP.pdf |
1.30Мб |
| 02 Конспект.pdf |
1.43Мб |
| 02 Конспект.pdf |
2.68Мб |
| 02 Конспект.pdf |
1.69Мб |
| 02 Конспект.pdf |
631.27Кб |
| 02 Конспект.pdf |
1.48Мб |
| 02 Конспект.pdf |
1.98Мб |
| 02 Конспект.pdf |
2.95Мб |
| 02 Конспект.pdf |
749.60Кб |
| 02 Конспект.pdf |
1.13Мб |
| 02 Конспект.pdf |
1.58Мб |
| 02 Конспект.pdf |
7.26Мб |
| 02 Конспект.pdf |
2.18Мб |
| 02 Конспект.pdf |
2.30Мб |
| 02 Конспект.pdf |
685.31Кб |
| 02 Конспект.pdf |
2.68Мб |
| 02 Конспект.pdf |
1.22Мб |
| 02 Конспект.pdf |
1.11Мб |
| 02 Конспект.pdf |
2.52Мб |
| 02 Конспект.pdf |
704.73Кб |
| 02 Конспект.pdf |
2.14Мб |
| 02 Конспект.pdf |
1.77Мб |
| 02 Конспект.pdf |
2.21Мб |
| 02 Конспект.pdf |
8.38Мб |
| 02 Конспект.pdf |
1.58Мб |
| 02 Конспект.pdf |
3.58Мб |
| 02 Конспект.pdf |
2.77Мб |
| 02 Конспект.pdf |
2.47Мб |
| 02 Конспект.pdf |
1.49Мб |
| 02 Конспект.pdf |
705.39Кб |
| 02 Конспект.pdf |
6.03Мб |
| 02 Конспект.pdf |
933.11Кб |
| 02 Конспект.pdf |
1.54Мб |
| 02 Конспект.pdf |
1.24Мб |
| 02 Конспект.pdf |
592.38Кб |
| 02 Конспект.pdf |
6.59Мб |
| 02 Математическая модель нейрона. Нейронная сеть.mp4 |
49.07Мб |
| 02 Математическая модель нейрона. Нейронная сеть.pdf |
1.42Мб |
| 02 Метод главных компонент.mp4 |
62.08Мб |
| 02 Метод главных компонент.pdf |
1.53Мб |
| 02 Текстовая расшифровка.pdf |
5.29Мб |
| 02 Тест.pdf |
1.36Мб |
| 02 Финальный проект.pdf |
775.14Кб |
| 02 Финальный проект.pdf |
710.54Кб |
| 03.pdf |
581.81Кб |
| 03.pdf |
555.91Кб |
| 03.pdf |
597.22Кб |
| 03.pdf |
561.34Кб |
| 03.pdf |
566.77Кб |
| 03.pdf |
569.77Кб |
| 03.pdf |
583.00Кб |
| 03 AutoML на примере PyCaret.mp4 |
122.35Мб |
| 03 AutoML на примере PyCaret.pdf |
1.12Мб |
| 03 Hyperopt.mp4 |
87.52Мб |
| 03 Hyperopt.pdf |
1.21Мб |
| 03 ML System Design.mp4 |
43.48Мб |
| 03 ML System Design.pdf |
1.32Мб |
| 03 One-hot encoding.mp4 |
116.86Мб |
| 03 One-hot encoding.pdf |
1.20Мб |
| 03 Акутализация темы и структура курса.mp4 |
24.21Мб |
| 03 Акутализация темы и структура курса.pdf |
1.35Мб |
| 03 Алгоритм K-means.mp4 |
36.57Мб |
| 03 Алгоритм K-means.pdf |
1.39Мб |
| 03 Алгоритм k-ближайших соседей.pdf |
719.26Кб |
| 03 Библиотека NumPy. Операции над массивами.mp4 |
52.03Мб |
| 03 Библиотека Pandas. Операции над таблицами.mp4 |
66.02Мб |
| 03 Блендинг и стекинг. Часть 2.mp4 |
43.43Мб |
| 03 Блендинг и стекинг. Часть 2.pdf |
1.12Мб |
| 03 Бэггинг.mp4 |
26.52Мб |
| 03 Бэггинг.pdf |
1.29Мб |
| 03 В этом модуле.pdf |
578.00Кб |
| 03 Градиентный бустинг.mp4 |
19.64Мб |
| 03 Градиентный бустинг.pdf |
1.23Мб |
| 03 Детали алгоритма.mp4 |
55.70Мб |
| 03 Детали алгоритма.pdf |
1.30Мб |
| 03 Дизайны оценки качества.mp4 |
55.38Мб |
| 03 Дизайны оценки качества.pdf |
1.44Мб |
| 03 Домашнее задание.pdf |
763.62Кб |
| 03 Дополнительные материалы.pdf |
1.69Мб |
| 03 Задание.pdf |
824.84Кб |
| 03 Задания.pdf |
984.77Кб |
| 03 Масштабирование.mp4 |
109.93Мб |
| 03 Масштабирование.pdf |
1.05Мб |
| 03 Метрики ранжирования.mp4 |
28.07Мб |
| 03 Метрики ранжирования.pdf |
1.39Мб |
| 03 Обучение нейронных сетей. Оптимизаторы.mp4 |
65.01Мб |
| 03 Обучение нейронных сетей. Оптимизаторы.pdf |
1.38Мб |
| 03 Операции над массивами.pdf |
1008.69Кб |
| 03 Операции над таблицами.pdf |
1.07Мб |
| 03 Описание задания.pdf |
718.12Кб |
| 03 Оценки качества по скорам модели.mp4 |
63.31Мб |
| 03 Оценки качества по скорам модели.pdf |
1.44Мб |
| 03 Постановка задачи машинного обучения.mp4 |
32.21Мб |
| 03 Постановка задачи машинного обучения.pdf |
1.40Мб |
| 03 Практическая демонстрация.mp4 |
90.34Мб |
| 03 Практическая демонстрация.pdf |
1.12Мб |
| 03 Предобработка текстов. Практическая демонстрация.mp4 |
38.80Мб |
| 03 Предобработка текстов. Практическая демонстрация.pdf |
1.13Мб |
| 03 Сводные показатели. Часть 2.mp4 |
89.99Мб |
| 03 Сводные показатели. Часть 2.pdf |
1.50Мб |
| 03 Финальный проект.pdf |
789.99Кб |
| 03 Финальный проект.pdf |
808.58Кб |
| 03 одномерный анализ.mp4 |
72.75Мб |
| 03 одномерный анализ.pdf |
1.49Мб |
| 04.1 Memory-based подход.mp4 |
22.42Мб |
| 04.1 Memory-based подход.pdf |
1.41Мб |
| 04.1 Пример дизайна — оптимизация маркетинга.mp4 |
70.29Мб |
| 04.1 Пример дизайна — оптимизация маркетинга.pdf |
1.36Мб |
| 04.2 Матричная факторизация.mp4 |
35.74Мб |
| 04.2 Матричная факторизация.pdf |
1.46Мб |
| 04.2 Работа с «холодными» абонентами.pdf |
674.33Кб |
| 04.3 Feedback loop.pdf |
658.64Кб |
| 04.3 Нейросетевые модели.mp4 |
33.54Мб |
| 04.3 Нейросетевые модели.pdf |
1.46Мб |
| 04.pdf |
563.38Кб |
| 04.pdf |
558.42Кб |
| 04.pdf |
581.54Кб |
| 04 t-SNE и UMAP.mp4 |
28.30Мб |
| 04 t-SNE и UMAP.pdf |
1.46Мб |
| 04 Word2Vec и FastText.mp4 |
43.00Мб |
| 04 Word2Vec и FastText.pdf |
1.37Мб |
| 04 Блендинг и стекинг. Часть 3.mp4 |
32.12Мб |
| 04 Блендинг и стекинг. Часть 3.pdf |
1.13Мб |
| 04 Вводное занятие.pdf |
1.56Мб |
| 04 Дополнительный материал.pdf |
557.95Кб |
| 04 Задание.pdf |
747.86Кб |
| 04 Конспект.pdf |
3.88Мб |
| 04 Конспект.pdf |
3.76Мб |
| 04 Конспект.pdf |
3.22Мб |
| 04 Конспект.pdf |
4.10Мб |
| 04 Конспект.pdf |
1.91Мб |
| 04 Конспект.pdf |
2.04Мб |
| 04 Конспект.pdf |
2.67Мб |
| 04 Конспект.pdf |
3.37Мб |
| 04 Конспект.pdf |
3.48Мб |
| 04 Конспект.pdf |
2.36Мб |
| 04 Конспект.pdf |
1.72Мб |
| 04 Конспект.pdf |
1.78Мб |
| 04 Конспект.pdf |
3.61Мб |
| 04 Нейронные сети на PyTorch.mp4 |
160.41Мб |
| 04 Нейронные сети на PyTorch.pdf |
1.21Мб |
| 04 Тест.pdf |
853.48Кб |
| 05.1 Пример дизайна — прогноз спроса.mp4 |
91.04Мб |
| 05.1 Пример дизайна — прогноз спроса.pdf |
1.35Мб |
| 05.2 Что стоит использовать.pdf |
664.63Кб |
| 05.3 Проблема частично статичного вектора признаков.pdf |
648.71Кб |
| 05.4 Прогноз спроса для сезонных товаров.pdf |
657.34Кб |
| 05.pdf |
599.00Кб |
| 05.pdf |
561.94Кб |
| 05.pdf |
574.38Кб |
| 05.pdf |
585.60Кб |
| 05 Computer vision. Машинное представление изображения. Операции с изображениями.mp4 |
34.17Мб |
| 05 Computer vision. Машинное представление изображения. Операции с изображениями.pdf |
1.44Мб |
| 05 Label Encoding.mp4 |
18.03Мб |
| 05 Label Encoding.pdf |
1.24Мб |
| 05 Библиотека NumPy. Индексация в массивах.mp4 |
56.59Мб |
| 05 Домашнее задание.pdf |
671.07Кб |
| 05 Дополнительные материалы.pdf |
564.95Кб |
| 05 Дополнительный материал.pdf |
934.73Кб |
| 05 Индексация в массивах.pdf |
1.04Мб |
| 05 Обработка выборосов.mp4 |
29.82Мб |
| 05 Обработка выборосов.pdf |
1.12Мб |
| 05 Подбор гиперпараметров.mp4 |
28.52Мб |
| 05 Подбор гиперпараметров.pdf |
1.38Мб |
| 05 Практическая демонстрация.mp4 |
141.52Мб |
| 05 Практическая демонстрация.mp4 |
90.31Мб |
| 05 Практическая демонстрация.pdf |
1.25Мб |
| 05 Практическая демонстрация.pdf |
1.14Мб |
| 05 Практическая демонстрация AdaBoost.mp4 |
22.67Мб |
| 05 Практическая демонстрация AdaBoost.pdf |
1.07Мб |
| 05 Проблемы рекомендательных систем.mp4 |
14.19Мб |
| 05 Проблемы рекомендательных систем.pdf |
1.34Мб |
| 05 Тест.pdf |
1.12Мб |
| 05 Языковые модели.mp4 |
28.10Мб |
| 05 Языковые модели.pdf |
1.27Мб |
| 05 многомерный анализ.mp4 |
63.90Мб |
| 05 многомерный анализ.pdf |
1.48Мб |
| 06.pdf |
588.93Кб |
| 06.pdf |
566.50Кб |
| 06.pdf |
555.85Кб |
| 06.pdf |
585.65Кб |
| 06 Random Forest.mp4 |
25.73Мб |
| 06 Random Forest.pdf |
1.27Мб |
| 06 Иерархическая кластеризация.mp4 |
22.40Мб |
| 06 Иерархическая кластеризация.pdf |
1.43Мб |
| 06 Итоги.mp4 |
21.08Мб |
| 06 Итоги.pdf |
1.28Мб |
| 06 Конспект.pdf |
3.29Мб |
| 06 Конспект.pdf |
7.83Мб |
| 06 Конспект.pdf |
1.37Мб |
| 06 Конспект.pdf |
1.19Мб |
| 06 Конспект.pdf |
1.40Мб |
| 06 Конспект.pdf |
4.78Мб |
| 06 Конспект.pdf |
1.37Мб |
| 06 Машинный перевод.mp4 |
49.52Мб |
| 06 Машинный перевод.pdf |
1.28Мб |
| 06 Практическая демонстрация.mp4 |
104.59Мб |
| 06 Практическая демонстрация.pdf |
1.35Мб |
| 06 Сверточная нейронная сеть (CNN).mp4 |
53.67Мб |
| 06 Сверточная нейронная сеть (CNN).pdf |
1.34Мб |
| 06 Тест.pdf |
1.24Мб |
| 07.pdf |
567.51Кб |
| 07.pdf |
659.62Кб |
| 07.pdf |
576.00Кб |
| 07.pdf |
620.31Кб |
| 07.pdf |
583.32Кб |
| 07 Frequency encoding.mp4 |
24.87Мб |
| 07 Frequency encoding.pdf |
1.09Мб |
| 07 ImageNet. Alexnet, VGG.mp4 |
27.06Мб |
| 07 ImageNet. Alexnet, VGG.pdf |
1.28Мб |
| 07 Transfer Learning в LLM.mp4 |
13.05Мб |
| 07 Transfer Learning в LLM.pdf |
1.31Мб |
| 07 Библиотека NumPy. Дополнительные операции.mp4 |
29.29Мб |
| 07 Дополнительные операции.pdf |
1.01Мб |
| 07 Итоги.pdf |
939.18Кб |
| 07 Конспект.pdf |
1.02Мб |
| 07 Конспект.pdf |
2.11Мб |
| 07 Конспект.pdf |
2.63Мб |
| 07 Нелинейные трансформации.mp4 |
46.84Мб |
| 07 Нелинейные трансформации.pdf |
1.01Мб |
| 07 Плюсы и минусы дерева решений.mp4 |
8.11Мб |
| 07 Плюсы и минусы дерева решений.pdf |
1.26Мб |
| 07 Практическая демонстрация. Часть 1. Введение.mp4 |
76.32Мб |
| 07 Практическая демонстрация. Часть 1. Введение.pdf |
1.06Мб |
| 08.pdf |
586.80Кб |
| 08.pdf |
641.81Кб |
| 08.pdf |
607.20Кб |
| 08.pdf |
583.41Кб |
| 08 Классификация текстов. Практическая демонстрация.mp4 |
80.97Мб |
| 08 Классификация текстов. Практическая демонстрация.pdf |
1.04Мб |
| 08 Конспект.pdf |
1.80Мб |
| 08 Конспект.pdf |
1.07Мб |
| 08 Конспект.pdf |
3.53Мб |
| 08 Конспект.pdf |
634.38Кб |
| 08 Конспект.pdf |
3.46Мб |
| 08 Конспект.pdf |
3.91Мб |
| 08 Практическая демонстрация.mp4 |
91.53Мб |
| 08 Практическая демонстрация.pdf |
1.14Мб |
| 08 Тест.pdf |
1.13Мб |
| 08 Эффективные свертки, Inception. Глубокие сверточные сети, ResNet.mp4 |
33.84Мб |
| 08 Эффективные свертки, Inception. Глубокие сверточные сети, ResNet.pdf |
1.38Мб |
| 09.pdf |
596.40Кб |
| 09.pdf |
657.61Кб |
| 09.pdf |
618.68Кб |
| 09.pdf |
591.49Кб |
| 09 Алгоритм DBSCAN.mp4 |
31.26Мб |
| 09 Алгоритм DBSCAN.pdf |
1.36Мб |
| 09 Итоги.pdf |
967.18Кб |
| 09 Конспект.pdf |
7.05Мб |
| 09 Практическая демонстрация. Часть 4. Отбор признаков и анализ модели.mp4 |
46.03Мб |
| 09 Практическая демонстрация. Часть 4. Отбор признаков и анализ модели.pdf |
1.11Мб |
| 09 Сверточные нейронные сети в PyTorch. Transfer learning & fine-tuning.mp4 |
166.56Мб |
| 09 Сверточные нейронные сети в PyTorch. Transfer learning & fine-tuning.pdf |
1.35Мб |
| 09 задания.pdf |
662.33Кб |
| 10.pdf |
598.63Кб |
| 10.pdf |
657.11Кб |
| 10.pdf |
593.27Кб |
| 10 Итоги.mp4 |
23.69Мб |
| 10 Итоги.pdf |
1.32Мб |
| 10 Итоги урока.mp4 |
1.80Мб |
| 10 Итоги урока.pdf |
1.28Мб |
| 10 Конспект.pdf |
2.47Мб |
| 10 Конспект.pdf |
5.69Мб |
| 10 Методы кросс-валидации из библиотеки sklearn.mp4 |
78.13Мб |
| 10 Методы кросс-валидации из библиотеки sklearn.pdf |
1.10Мб |
| 11.pdf |
627.79Кб |
| 11.pdf |
596.87Кб |
| 11 Конспект.pdf |
2.38Мб |
| 11 Конспект.pdf |
615.81Кб |
| 11 Практическая демонстрация. Часть 2. Early Stopping и визуализация обучения.mp4 |
19.54Мб |
| 11 Практическая демонстрация. Часть 2. Early Stopping и визуализация обучения.pdf |
1.11Мб |
| 11 Тест.pdf |
742.76Кб |
| 12.pdf |
761.59Кб |
| 12 Дополнительный материал.pdf |
928.98Кб |
| 12 Конспект.pdf |
2.92Мб |
| 12 Метрики качества.mp4 |
52.13Мб |
| 12 Метрики качества.pdf |
1.38Мб |
| 13 Конспект.pdf |
2.30Мб |
| 13 Практическая демонстрация. Часть 3. Eval feature.mp4 |
42.30Мб |
| 13 Практическая демонстрация. Часть 3. Eval feature.pdf |
1.13Мб |
| 14 Конспект.pdf |
2.54Мб |
| 14 Тест.pdf |
1.09Мб |
| 15 Демонстрация инструментов кластеризации.mp4 |
112.86Мб |
| 15 Демонстрация инструментов кластеризации.pdf |
1.23Мб |
| 16 Конспект.pdf |
11.81Мб |
| 6M-0K-99K.users.dataset.public.csv.gz |
1.75Мб |
| additional-notes-01-bootstrap.ipynb |
30.69Кб |
| additional-notes-02-extremely-randomized-trees.ipynb |
28.65Кб |
| additional-notes-03-random-trees-embedding.ipynb |
36.94Кб |
| allbut.pl |
753б |
| Billionaires Statistics Dataset.csv |
661.93Кб |
| cars_info.csv |
33.90Кб |
| classification_text.ipynb |
294.77Кб |
| cluster_demo.ipynb |
1.66Мб |
| cluster_mnist.ipynb |
1.60Мб |
| cluster_practice.ipynb |
611.97Кб |
| column_2C_weka.csv |
24.38Кб |
| column_3C_weka.csv |
25.57Кб |
| cursedim_demo.ipynb |
318.27Кб |
| customers.csv |
7.24Кб |
| data_description.txt |
13.06Кб |
| data_dictionary.txt |
25.38Кб |
| decathlon2.csv |
4.46Кб |
| demo6.ipynb |
366.40Кб |
| employees.csv |
2.65Кб |
| eta-prediction-data.csv.gz |
1.39Мб |
| fe.jpg |
142.93Кб |
| fine-tunning.png |
749.25Кб |
| house_pricing_train.csv |
449.88Кб |
| hw11_template.ipynb |
3.22Кб |
| hw2-template.ipynb |
7.13Кб |
| hw4-template.ipynb |
11.21Кб |
| hw6-template.ipynb |
4.10Кб |
| hw7-template.ipynb |
5.34Кб |
| hw9-template.ipynb |
3.82Кб |
| imputation.jpg |
391.90Кб |
| knn_demo.ipynb |
165.76Кб |
| knn_practice.ipynb |
77.32Кб |
| knn.ipynb |
375.59Кб |
| le.png |
101.71Кб |
| lesson_03_categorical_features.ipynb |
206.55Кб |
| lesson_03_cross_val.ipynb |
35.59Кб |
| lesson_03_numerical_features.ipynb |
573.18Кб |
| lesson-01-step-03.ipynb |
1.89Мб |
| lesson02-matplotlib.ipynb |
1.75Мб |
| lesson-02-step-04.ipynb |
1.82Мб |
| lesson-03-step-02.ipynb |
67.26Кб |
| lesson-03-step-03-part-01.ipynb |
104.89Кб |
| lesson-03-step-03-part-02.ipynb |
3.90Мб |
| lesson-04.ipynb |
166.36Кб |
| lesson-04-step-02.ipynb |
335.14Кб |
| lesson-05.ipynb |
136.72Кб |
| lesson-05-step-02.ipynb |
153.54Кб |
| lesson-05-step-03.ipynb |
146.96Кб |
| linreg_demo.ipynb |
59.05Кб |
| linreg_practice.ipynb |
151.12Кб |
| linreg.ipynb |
1.18Мб |
| macro.csv |
1.48Мб |
| matplotlib.png |
519.03Кб |
| movies.dat |
509.96Кб |
| numpy.ipynb |
669.11Кб |
| ohe.jpg |
200.79Кб |
| orders.csv |
4.63Кб |
| orders.csv.gz |
813.08Кб |
| pandas.ipynb |
487.25Кб |
| pca_demo.ipynb |
2.09Мб |
| preprocessing_text.ipynb |
22.50Кб |
| ratings.dat |
252.82Мб |
| README.html |
11.29Кб |
| README.md |
22б |
| recsys.ipynb |
1.39Мб |
| rich_cards_big_dump.test.jsonl |
375.79Мб |
| rich_cards_big_dump.train.jsonl |
962.15Мб |
| rich_cards_big_dump.unknown.jsonl |
373.99Мб |
| sample_submission.csv |
31.19Кб |
| split_ratings.sh |
1.27Кб |
| submission_sample.csv |
32.32Мб |
| submission_test.csv |
30.24Мб |
| tags.dat |
3.42Мб |
| test.csv |
440.83Кб |
| test.csv |
440.83Кб |
| test.csv |
11.22Мб |
| theme04-additional-notes.ipynb |
268.46Кб |
| theme06-imbalanced-classification.ipynb |
1.42Мб |
| titanic-train.csv |
59.76Кб |
| train.csv |
449.88Кб |
| train.csv |
449.88Кб |
| train.csv |
449.88Кб |
| train.csv |
449.88Кб |
| train.csv |
59.76Кб |
| train.csv |
449.88Кб |
| train.csv |
44.53Мб |
| train-icr.csv |
328.67Кб |
| transfer-learning.jpg |
269.97Кб |
| Домашнее задание №11.docx |
288.75Кб |
| Домашнее задание №9.docx |
302.09Кб |