种子简介

种子名称： Udemy - Машинное обучение из грязи в Kaggle-князи - 2020
文件类型： 视频
文件数目： 118个文件
文件大小： 18.21 GB
收录时间： 2021-4-24 06:29
已经下载： 3次
资源热度： 204
最近下载： 2024-12-4 13:25

下载BT种子文件

下载Torrent文件(.torrent) 立即下载

磁力链接下载

magnet:?xt=urn:btih:e796f4162b30854b16d1fb97e096f15fac437a51&dn=Udemy - Машинное обучение из грязи в Kaggle-князи - 2020 复制链接到迅雷、QQ旋风进行下载，或者使用百度云离线下载。

喜欢这个种子的人也喜欢

种子包含的文件

Udemy - Машинное обучение из грязи в Kaggle-князи - 2020.torrent

01 Часть 1. Процесс машинного обучения/001 Задачи машинного обучения.mp4213.06MB

01 Часть 1. Процесс машинного обучения/002 Модель и процесс машинного обучения.mp4166.9MB

01 Часть 1. Процесс машинного обучения/003 Что такое ETL.mp4130.66MB

01 Часть 1. Процесс машинного обучения/004 Что такое EDA.mp4155.93MB

01 Часть 1. Процесс машинного обучения/005 Подготовка данных.mp4285.8MB

01 Часть 1. Процесс машинного обучения/006 Разбиение выборки.mp4212.08MB

01 Часть 1. Процесс машинного обучения/007 Оптимизация гиперпараметров.mp4273.85MB

01 Часть 1. Процесс машинного обучения/008 Недообучение и переобучение.mp4235.18MB

01 Часть 1. Процесс машинного обучения/009 Смещение, разброс и ошибка данных.mp4228.19MB

01 Часть 1. Процесс машинного обучения/010 Использование HDF.mp4145.35MB

02 Метрики и модели/011 Метод максимального правдоподобия.mp4337.03MB

02 Метрики и модели/012 Метод наименьших квадратов.mp4124.99MB

02 Метрики и модели/013 Аппроксимация пропусков в данных.mp4124.34MB

02 Метрики и модели/014 Среднеквадратичная ошибка.mp4142.25MB

02 Метрики и модели/015 Метрики и расстояния.mp4177.18MB

03 Часть 2. Практикум_ Предсказание энергопотребления зданий/016 Процесс ETL.mp491.94MB

03 Часть 2. Практикум_ Предсказание энергопотребления зданий/017 Интерполяция и экстраполяция.mp445.95MB

03 Часть 2. Практикум_ Предсказание энергопотребления зданий/018 Оценка модели.mp485.23MB

03 Часть 2. Практикум_ Предсказание энергопотребления зданий/019 Линейная регрессия.mp486.31MB

04 Практикум_ Оптимизация памяти и обогащение данных/020 Оптимизация потребления памяти.mp4137.62MB

04 Практикум_ Оптимизация памяти и обогащение данных/021 EDA_ исследование зависимостей.mp4124.07MB

04 Практикум_ Оптимизация памяти и обогащение данных/022 Заполнение пропусков в данных.mp481.22MB

05 Модели линейной регрессии/023 Линейная регрессия и L1_L2-регуляризация.mp4303.76MB

05 Модели линейной регрессии/024 Изотоническая регрессия.mp4118.44MB

05 Модели линейной регрессии/025 BIC и AIC.mp4113.66MB

05 Модели линейной регрессии/026 Полиномиальная регрессия.mp4104.24MB

05 Модели линейной регрессии/027 Линеаризация регрессии.mp4181.31MB

06 Практикум_ Конкурентные модели регрессии/028 Обогащение данных.mp4173.6MB

06 Практикум_ Конкурентные модели регрессии/029 Иерархия моделей.mp4170.54MB

06 Практикум_ Конкурентные модели регрессии/030 Оптимизация регрессии.mp4142.43MB

07 Практикум_ Ансамбль линейной регрессии/031 Экспорт и импорт данных.mp466.97MB

07 Практикум_ Ансамбль линейной регрессии/032 Ансамбль регрессионных моделей.mp4194.65MB

07 Практикум_ Ансамбль линейной регрессии/033 Расчет результатов.mp4168.15MB

08 Часть 3. Метрики и модели классификации/034 Точность и полнота.mp4235.54MB

08 Часть 3. Метрики и модели классификации/035 F-мера.mp4134.15MB

08 Часть 3. Метрики и модели классификации/036 ROC AUC и Gini.mp4259MB

08 Часть 3. Метрики и модели классификации/037 Оценка Каппа Коэна.mp4165.49MB

08 Часть 3. Метрики и модели классификации/038 Взвешенная квадратичная Каппа.mp4268.21MB

08 Часть 3. Метрики и модели классификации/039 Логистическая функция потерь.mp4161.99MB

08 Часть 3. Метрики и модели классификации/040 Метод ближайших соседей.mp4206.22MB

09 Практикум_ Задача страхового скоринга/041 Страховой скоринг.mp4128.35MB

09 Практикум_ Задача страхового скоринга/042 F1 и Каппа оценки классификации.mp471.42MB

09 Практикум_ Задача страхового скоринга/043 Метод ближайших соседей.mp446.28MB

10 Простые модели классификации/044 Наивный Байес.mp4171.92MB

10 Простые модели классификации/045 Логистическая регрессия.mp4103.31MB

10 Простые модели классификации/046 Дерево принятия решения.mp4222.11MB

10 Простые модели классификации/047 Опорные векторы.mp4224.35MB

11 Практикум_ Логистическая регрессия и опорные векторы/048 Обработка данных и оптимизация памяти.mp4116.13MB

11 Практикум_ Логистическая регрессия и опорные векторы/049 Логистическая регрессия.mp444.55MB

11 Практикум_ Логистическая регрессия и опорные векторы/050 Иерархия логистической регрессии.mp4137.94MB

11 Практикум_ Логистическая регрессия и опорные векторы/051 SVM.mp442.24MB

12 Ансамблевые модели/052 Ансамблевые модели.mp4251.63MB

12 Ансамблевые модели/053 Бутстрэп.mp4166.21MB

12 Ансамблевые модели/054 Бэггинг.mp4159.74MB

12 Ансамблевые модели/055 Случайный лес.mp4133.8MB

12 Ансамблевые модели/056 Out-of-Bag.mp4154.52MB

12 Ансамблевые модели/057 Сверхслучайные деревья.mp4197.83MB

12 Ансамблевые модели/058 Адаптивный бустинг.mp4155MB

12 Ансамблевые модели/059 LogitBoost, BrownBoost и L2Boost.mp4187.63MB

12 Ансамблевые модели/060 Градиентный спуск.mp4267.45MB

12 Ансамблевые модели/061 Градиентный бустинг и XGBoost.mp4172.15MB

12 Ансамблевые модели/062 Стохастический градиентный бустинг.mp4127.55MB

13 Практикум_ Решающие деревья и ансамбли бэггинга и бустинга/063 Решающие деревья.mp481.2MB

13 Практикум_ Решающие деревья и ансамбли бэггинга и бустинга/064 Случайный лес.mp467.89MB

13 Практикум_ Решающие деревья и ансамбли бэггинга и бустинга/065 Бустинг с XGBoost.mp430.43MB

14 Продвинутые ансамбли/066 LightGBM.mp4197.96MB

14 Продвинутые ансамбли/067 CatBoost.mp4114.47MB

14 Продвинутые ансамбли/068 Ансамбль стекинга.mp4237.95MB

15 Практикум_ Ансамбль стекинга и финальное решение/069 LightGBM.mp459.97MB

15 Практикум_ Ансамбль стекинга и финальное решение/070 CatBoost.mp4111.35MB

15 Практикум_ Ансамбль стекинга и финальное решение/071 Ансамбль классификации.mp4132.98MB

15 Практикум_ Ансамбль стекинга и финальное решение/072 Расчет результатов.mp456.05MB

16 Часть 4. Искусственные нейронные сети/073 Искусственные нейронные сети.mp4212.99MB

16 Часть 4. Искусственные нейронные сети/074 Слои в нейросетях.mp4147.04MB

16 Часть 4. Искусственные нейронные сети/075 Нейрон смещения.mp4119.62MB

16 Часть 4. Искусственные нейронные сети/076 Функции активации.mp4280.21MB

16 Часть 4. Искусственные нейронные сети/077 Обратное распространение ошибки.mp4232MB

16 Часть 4. Искусственные нейронные сети/078 Многослойный перцептрон.mp4161.48MB

17 Практикум_ Распознавание формы облаков/079 Предсказание формы облаков.mp4143.76MB

17 Практикум_ Распознавание формы облаков/080 Предобработка изображений.mp461.25MB

17 Практикум_ Распознавание формы облаков/081 Опорные векторы и коэффициент сходства.mp4165.12MB

17 Практикум_ Распознавание формы облаков/082 Двухслойный перцептрон.mp461.78MB

18 Обучение нейросети/083 Эпохи, пакеты, итерации.mp4209.01MB

18 Обучение нейросети/084 Оптимизация нейросетей по Нестерову.mp4179.93MB

18 Обучение нейросети/085 Адаптивная оптимизация нейросетей.mp4204.83MB

18 Обучение нейросети/086 RMSprop, adadelta, adam.mp4183.25MB

18 Обучение нейросети/087 Оптимизация нейросетей.mp4176.42MB

18 Обучение нейросети/088 Пакетная нормализация.mp4229.03MB

18 Обучение нейросети/089 Регуляризация обучения нейросетей.mp4178.81MB

18 Обучение нейросети/090 Методы инициализации весов.mp4204.24MB

18 Обучение нейросети/091 Дополнение данных.mp4158.43MB

18 Обучение нейросети/092 Оптимизация нейросетей.mp4176.04MB

18 Обучение нейросети/093 Свертка и подвыборка.mp4225.94MB

18 Обучение нейросети/094 Сверточные нейросети.mp4181.52MB

19 Практикум_ Сверточные нейросети/095 Свертка и подвыборка.mp4123.26MB

19 Практикум_ Сверточные нейросети/096 Активация и оптимизаторы.mp480.93MB

19 Практикум_ Сверточные нейросети/097 Нормализация и переобучение.mp459.86MB

19 Практикум_ Сверточные нейросети/098 Дополнение изображений.mp4110.97MB

20 Архитектуры сверточных нейросетей/099 LeNet.mp4236.86MB

20 Архитектуры сверточных нейросетей/100 AlexNet.mp4279.61MB

20 Архитектуры сверточных нейросетей/101 VGG.mp4201.82MB

20 Архитектуры сверточных нейросетей/102 GoogLeNet.mp4295.82MB

20 Архитектуры сверточных нейросетей/103 Inception.mp4260.9MB

20 Архитектуры сверточных нейросетей/104 ResNet.mp4173.81MB

20 Архитектуры сверточных нейросетей/105 ResNeXt.mp4188.13MB

20 Архитектуры сверточных нейросетей/106 SE-ResNet.mp4140.03MB

20 Архитектуры сверточных нейросетей/107 EfficientNet.mp4261.73MB

20 Архитектуры сверточных нейросетей/108 DenseNet.mp4145.08MB

20 Архитектуры сверточных нейросетей/109 MobileNet.mp4187.26MB

21 Практикум_ Архитектуры нейронных сетей/110 LeNet, CaffeNet и AlexNet.mp4118MB

21 Практикум_ Архитектуры нейронных сетей/111 VGG16 и VGG19.mp447.74MB

21 Практикум_ Архитектуры нейронных сетей/112 GoogLeNet и Inception-BN.mp448.68MB

21 Практикум_ Архитектуры нейронных сетей/113 Inception V3 и V4.mp482.25MB

21 Практикум_ Архитектуры нейронных сетей/114 ResNet34, 50, 101, 152.mp462.6MB

21 Практикум_ Архитектуры нейронных сетей/115 Архитектура нейросети.mp4183.09MB

22 Практикум_ нейросети для сегментации/116 MobileNet для областей.mp4123.72MB

22 Практикум_ нейросети для сегментации/117 U-Net.mp497.33MB

22 Практикум_ нейросети для сегментации/118 FPN.mp4102.08MB