Karpov courses Machine Learning для начинающих 2023 | 2BAB2EA79A752FE3473EA18E685C2FDCC3F8A9E1

Karpov courses Machine Learning для начинающих 2023

Name	[Karpov.courses] Machine Learning для начинающих (2023)	DOWNLOAD Copy Link
Total Size	22.6 GB
Total Files	588
Last Seen	2024-12-24 00:58
Hash	2BAB2EA79A752FE3473EA18E685C2FDCC3F8A9E1

/7 часть/
6. Машинное обучение ещё раз повторяем, что может встретиться на собеседовании.mkv	407.8 MB
5 1 Общий подход к рекурсии.mkv	133.2 MB
5 2 Динамическое программирование.mkv	226.8 MB
5 3 Разделяй и властвуй.mkv	276.8 MB
5 Notion.docx	12.6 KB
5 Задания.docx	62.7 KB
5 М5 Л5.pdf	4.0 MB
5_Конспект__5_урок___Программирование_на_python._Задачи_на_динамическое_программирование..pdf	270.6 KB
6 _Конспект__6_урок___Машинное_обучение_еще_раз_повторяем_что_может_встретиться_на_собеседовании.pdf	233.8 KB
6 Interview_6.ipynb	42.3 KB
6 Notion.docx	12.6 KB
6 Practice_5.ipynb	68.3 KB
6 test.csv	1.6 MB
6 train.csv	4.3 MB
6 Задания.docx	18.0 KB
7 Notion.docx	12.6 KB
7 Задания.docx	17.6 KB
7. Собеседования по теории вероятностей и статистике.mkv	84.3 MB
7_Конспект__7_урок___Собеседования_по_теории_вероятностей_и_статистике.pdf	230.2 KB
8 M5_Л8.pdf	13.8 MB
8 Notion.docx	12.8 KB
8 Задания.docx	16.7 KB
8. Собеседования по АВ тестированию.mkv	59.6 MB
8_Конспект__8_урок___Собеседования_по_AB_тестированию.pdf	337.6 KB
9 Start ML_подготовка к собеседованию.pdf	6.8 MB
9 Гайд для ML.pdf	9.2 MB
9 как оформить гитхаб.pdf	3.3 MB
9 Трудоустройство- первые шаги.mkv	145.1 MB
Эпилог.docx	174.5 KB
/1 Часть/1 Модуль/
2 Среда и инструменты.docx	144.8 KB
3 Типы заданий.docx	16.0 KB
4 Вводный вебинар.mp4	211.6 MB
5 Как подключиться к Slack через VPN.docx	14.3 KB
1 Организация курса.docx	16.9 KB
/1 Часть/2 Модуль/
0.1 Python в машинном обучении.mkv	75.0 MB
0.2 Пример- Python для анализа изображений.mkv	28.8 MB
1 Lesson.ipynb	67.9 KB
1 Задания.docx	30.3 KB
1.1 Переменные.mkv	48.0 MB
1.2 Типы данных_2.mkv	125.4 MB
1.3 Циклы.mkv	42.2 MB
1.3 Циклы_2.mkv	42.2 MB
1.4 Условный оператор If_2.mkv	54.3 MB
1_урок__Основы_программирования_Python.pdf	10.3 MB
2 Lesson.ipynb	67.0 KB
2 Задания.docx	38.5 KB
2.1 Функции в python.mkv	51.0 MB
2.2 Аргументы функции_2.mkv	50.6 MB
2.3 Call stack и ошибки в python_2.mkv	75.0 MB
2.4 Ссылочная модель данных.mkv	22.6 MB
2.5 Модель памяти в python.mkv	35.3 MB
2.6 Изменяемые и неизменяемые типы данных.mkv	27.2 MB
2.7 Срезы. Продвинутая работа со строкам.mkv	57.4 MB
2_урок__Функции._Ссылочная_модель_данных._Погружение_в_типы._Изменяемые_типы._Срезы._работа_со_строками.pdf	3.9 MB
3 Lesson.ipynb	12.9 KB
3 Задания.docx	30.7 KB
3.0 Интро.mkv	12.7 MB
3.1 Библиотеки.mkv	71.0 MB
3.2 Windows 10 Установка Anaconda.mkv	20.7 MB
3.3 Linux Установка Anaconda.mkv	18.8 MB
3.4 MacOS Установка Anaconda.mkv	11.3 MB
3.5 Установка сторонних пакетов_2.mkv	69.5 MB
3.6 Виртуальное окружение_2.mkv	60.6 MB
3.7 Итоги.mkv	11.2 MB
3_урок__Внешние_модули._Экосистема_PyPi._установка_пакетов_в_виртуальные_окружения.pdf	427.4 KB
4 Lesson.ipynb	225.4 KB
4 Задания.docx	24.8 KB
4. _Обзор numpy, pandas, Jupyter. Основы jupyter_.pdf	374.1 KB
4.1 Введение.mkv	10.3 MB
4.2 Знакомство с Jupyter. Ячейки.mkv	18.1 MB
4.3 Знакомство с Jupyter. Горячие клавиши.mkv	50.2 MB
4.4 Знакомство с Jupyter. Магические команды.mkv	60.1 MB
4.5 Знакомство с Jupyter. Kernel.mkv	27.7 MB
4.6 Numpy.mkv	17.4 MB
4.7 Pandas.mkv	35.0 MB
4.8 Matplotlib.mkv	33.1 MB
4.9 Заключение.mkv	7.8 MB
5 Lesson.ipynb	415.1 KB
5 train.csv	648.4 KB
5 Задания.docx	35.1 KB
5 Минипроект.docx	22.2 KB
5. _pandas_.pdf	818.0 KB
5.1 Чтение файлов и обзор данных.mkv	100.2 MB
5.2 Фильтрация данных, логические операторы.mkv	70.9 MB
5.3 Функции фильтры.mkv	50.5 MB
5.4 Series и Index.mkv	94.1 MB
5.5 Группировка данных.mkv	66.2 MB
5.6 Работа с датами и временем.mkv	64.8 MB
5.7 Визуализация.mkv	42.2 MB
5.8 Сохранение данных.mkv	32.8 MB
6 Lesson.ipynb	602.3 KB
6 Задания.docx	21.9 KB
6.1 Базы данных и СУБД.mkv	19.4 MB
6.2 Основные SQL запросы Получение, аггрегация и сортировка данных.mkv	76.3 MB
6.3 Объединение таблиц JOIN_2.mkv	102.2 MB
6.4 SQL в Python_2.mkv	66.5 MB
6__Базы_данных_в_Python_основы.pdf	334.1 KB
6_Redash.pdf	293.3 KB
7 Lesson.ipynb	64.5 KB
7 Задания.docx	34.6 KB
7.1 Классы, объекты и методы_2.mkv	65.3 MB
7.2 Принципы ООП Часть 1.mkv	61.7 MB
7.3 Принципы ООП. Часть 2.mkv	63.8 MB
7_урок__Классы_и_ООП.pdf	239.8 KB
8 Lesson.ipynb	32.0 KB
8 Задания.docx	856.6 KB
8.1 Введение в git_2.mkv	92.5 MB
8.2 Ветки и теги_2.mkv	76.0 MB
8.3 Возможности git diff Ветвление. Использование тэгов.mkv	77.2 MB
8.4 Слияние веток.mkv	61.4 MB
8.5 Конфликт слияния веток.mkv	61.4 MB
8.6 Стратегии ветвления при разработке. Работа с удаленными провайдерами.mkv	113.7 MB
8.7 Взаимоотношение между remotes. Загрузка репозитория на удаленный сервер.mkv	79.4 MB
8_урок__Версионирование_кода_и_git.pdf	1.1 MB
9 Lesson.ipynb	21.2 KB
9 Задания.docx	30.0 KB
9.1 Запрос на сервер.mkv	99.4 MB
9.2 Ответ сервера API.mkv	74.6 MB
9.3 Практика написания запросов. Метод get.mkv	68.9 MB
9.4 Практика написания запросов. Метод post. Подключение к базе данных. Валидация.mkv	94.7 MB
9.5 Подводные камни валидации. Валидация в FastAPI.mkv	35.1 MB
9.6 Статус коды.mkv	55.4 MB
9_урок__Backend-разработка_что_это_такое._фреймворк_fastapi_для_прототипирования_backend-сервера.pdf	1.3 MB
10 Задания.docx	23.7 KB
10 лекция скрипты.zip	44.7 KB
10 Лекция.pdf	175.9 KB
10.1. FastAPI и SQLAlchemy.mkv	135.4 MB
10.2 ORM, SQLAlchemy_2.mkv	177.8 MB
10_урок__Базы_данных_в_Python_ORM.pdf	725.0 KB
11 Lecture.ipynb	34.1 KB
11 Задания.docx	269.9 KB
11.1 Введение_2.mkv	18.5 MB
11.2 Устройство Аirflow.mkv	102.4 MB
11.3 Запуск и веб интерфейс.mkv	61.0 MB
11.4 Python operator.mkv	96.7 MB
11.5 Передача информации.mkv	42.1 MB
11.6 Connections.mkv	22.4 MB
11.7 Лучшие практики.mkv	41.6 MB
11_урок__Airflow_Обзор_платформы.pdf	203.5 KB
12 demo-best-practices-solutions.zip	4.2 KB
12.1 Шаблон приложения.mkv	42.6 MB
12.2 Переменные окружения.mkv	54.7 MB
12.3 Проблема SQL инъекций.mkv	28.0 MB
12.4 Вынесение настроек в конфиг.mkv	29.1 MB
12.5 Разделение кода на модули.mkv	74.8 MB
12.6 Идемпотентность.mkv	26.0 MB
12_урок__Полезные_вещи_в_разработке.pdf	405.6 KB
/1 Часть/GITLAB/
airflow-master.zip	1.1 MB
demo-best-practices-master.zip	4.3 KB
final_project-master.zip	3.0 KB
git-master.zip	1.6 KB
/2 Часть/
1 HW_1_Разбор.ipynb	72.9 KB
1 дз HW1new.ipynb	19.7 KB
1 дз taxi_dataset.csv	190.8 MB
1.1 Задачи машинного обучения.mkv	51.0 MB
1.2 Основные виды машинного обучения.mkv	43.9 MB
1.3 Компоненты классической ML-задачи.mkv	57.2 MB
1.4 Практика.mkv	276.9 MB
1.docx	207.9 KB
2 HW2_Разбор.ipynb	33.1 KB
2 Lecture_2_Metrics (2).pdf	5.4 MB
2 Practice_2.ipynb	269.5 KB
2 ДЗ HW_2.ipynb	19.7 KB
2 ДЗ taxi_dataset_with_predictions.csv	168.6 MB
2 Конспект__2_урок__Оценка_качества_работы_моделей.pdf	1.6 MB
2.1 Оценка качества модели.mkv	21.5 MB
2.2 Понятие функции и функциональной зависимости.mkv	25.8 MB
2.3 Функция потерь Loss function.mkv	21.2 MB
2.4 Функционал качества и метрика.mkv	28.1 MB
2.5 Король и королева регрессии MSE и MAE.mkv	26.9 MB
2.6 Практика.mkv	39.9 MB
2.docx	171.7 KB
3 HW3_разбор.ipynb	16.3 KB
3 HW_3.ipynb	12.9 KB
3 Lecture_3_LR .pdf	16.9 MB
3 Practice_3.ipynb	25.9 KB
3 Конспект__3_урок__Линейная_регрессия.pdf	4.5 MB
3.1 Линейные модели в МО.mkv	66.2 MB
3.2 Экстремумы и производная функции.mkv	85.5 MB
3.3 Линейная регрессия OLS.mkv	25.8 MB
3.4 Ликбез №3 Матрицы.mkv	29.2 MB
3.5 Работа с массивами в Numpy.mkv	41.5 MB
3.6 Линейная регрессия OLS Матричная форма.mkv	28.7 MB
3.7 Линейная регрессия в Python. Практика.mkv	59.9 MB
3.docx	36.6 KB
4 data.csv	212.4 KB
4 HW_4.ipynb	19.8 KB
4 Lecture_4_Gradient_Descent.pptx	3.9 MB
4 Practice_4.ipynb	408.4 KB
4 Конспект__4_урок__Градиентный_спуск.pdf	807.7 KB
4 Разбор ДЗ 4 урока.mp4	197.0 MB
4 Разбор_4.ipynb	167.6 KB
4.1 Введение в градиентный спуск Минимизация функции с одной переменной.mkv	73.8 MB
4.2 Минимизация функции с несколькими переменными.mkv	73.6 MB
4.3 Линейная регрессия Подбор параметров η и ξ.mkv	79.2 MB
4.4 Настройка параметров графика в matplotlib.mkv	120.3 MB
4.5 Изображение градиентного спуска в matplotlib.mkv	111.3 MB
4.docx	201.4 KB
5 HW5_NEW.ipynb	17.2 KB
5 initial_data.csv	173.6 MB
5 ks.csv	44.7 MB
5 Practice_5.ipynb	278.6 KB
5 processed_data.csv	87.6 MB
5 x.csv	31.1 MB
5 y.csv	2.1 MB
5 Конспект__5_урок__Обобщающая_способность_модели._Метод_отложенной_выборки._Кросс-Валидация..pdf	1.1 MB
5 Разбор_5.ipynb	25.3 KB
5.1 Обобщающая способность, метод отложенной выборки и кросс валидация.mkv	98.1 MB
5.2 Практика Переобучение и недообучение.mkv	190.1 MB
5.3 Кросс валидация, реальный практический пример.mkv	197.5 MB
5.docx	71.9 KB
/2 Часть/1/
ks.csv	44.7 MB
Lecture_1_Object_Target.pdf	1.1 MB
macrofeatures.xlsx	1.9 MB
Practice_1.ipynb	242.3 KB
Конспект__1_урок__Введение_в_МО_каким_оно_бывает_и_каковы_основные_компоненты.pdf	478.7 KB
/3 Часть/
6 Lecture_6_Regularization.pdf	1.2 MB
6 Practice_6.ipynb	229.2 KB
6 Конспект__6_урок__Мультиколлинеарность_регуляризация_и_масштабирование_признаков.pdf	666.0 KB
6 Разбор_6.ipynb	35.4 KB
6.1 Проблема переобучения в МО.mkv	144.8 MB
6.2 Регуляризация и масштабирование признаков.mkv	80.0 MB
6.3 Ликбез №1 Условный экстремум и регуляризация.mkv	40.3 MB
6.4 Практика №1. Регуляризация.mkv	81.4 MB
6.5 Мультиколлинеарность.mkv	44.0 MB
6.6 Практика №2. Мультиколлинеарность.mkv	72.9 MB
6.docx	13.2 KB
7 Practice_7.ipynb	351.4 KB
7 Конспект__7_урок__Методы_отбора_признаков.pdf	4.1 MB
7 Разбор_7.ipynb	546.8 KB
7.1 EDA.mkv	113.0 MB
7.2 Встроенные методы.mp4	26.1 MB
7.3 Метод обёртки.mkv	128.5 MB
7.4 Метод фильтрации.mkv	195.1 MB
7.docx	19.4 KB
8 ks_crashed.csv	20.3 MB
8 Lecture_8_Additional_Info.pptx	708.7 KB
8 Practice_8.ipynb	129.1 KB
8 Конспект__8_урок__Полезные_приемы_при_работе_с_данными.pdf	4.3 MB
8 Разбор_8.ipynb	53.5 KB
8.1 Работа с пропущенными значениями.mkv	121.2 MB
8.2 Работа с выбросами Advanced счетчики.mkv	165.7 MB
8.3 Выделение признаков из текста. Подход TF IDF.mkv	64.1 MB
8.4 Лемматизация и стемминг.mkv	87.6 MB
8.docx	19.2 KB
9 Practice_9_new.ipynb	1.2 MB
9 Конспект__9_урок__Housing_market_практика.pdf	5.0 MB
9.1 Обработка вещественных признаков.mp4	124.6 MB
9.2 Обработка категориальных признаков.mp4	77.2 MB
9.3 Построение модели.mp4	219.3 MB
9.4 Анализ выбросов.mp4	21.7 MB
9.5 Сегментация данных.mp4	100.6 MB
9.docx	12.5 KB
09 Разбор_10.ipynb	90.1 KB
10 banking.csv	4.9 MB
10 Practice_10.ipynb	469.0 KB
10 Конспект__10_урок__Линейная_классификация_оценка_вероятности.pdf	4.6 MB
10 Разбор_10.ipynb	90.1 KB
10 Разбор_11.ipynb	29.6 KB
10.1 Бинарная классификация, разделяющая гиперплоскость.mkv	87.6 MB
10.2 Как строить разделяющую гиперплоскость.mkv	51.1 MB
10.3 Ликбез 1. Метод верхней оценки.mkv	89.6 MB
10.4 Практика. Линейная бинарная классификация в python.mkv	272.2 MB
10.docx	19.5 KB
11 Lecture_11_Errors_Matrix.pptx	3.8 MB
11 Practice_11.ipynb	516.6 KB
11 Конспект_11_урок_Матрица_ошибок_и_основные_метрики_классификации.pdf	3.0 MB
11 Разбор_12.ipynb	12.6 KB
11.1 Метрики бинарной классификации. Теория.mkv	92.7 MB
11.2 Метрики бинарной классификации. Практика.mkv	84.3 MB
11.docx	30.0 KB
12 Lecture_12_ROC_PR_AUCS.pptx	776.5 KB
12 Practice_12.ipynb	621.0 KB
12 Конспект__12_урок__ROC_PR-кривые._AUC-ROC_AUC-PR._калибровка.pdf	524.9 KB
12 Разбор_13.ipynb	13.7 KB
12.1 ROC кривая AUC ROC.mkv	67.3 MB
12.2 PR кривая AUC PR. Практика построения ROC кривых и PR кривых.mkv	74.2 MB
12.3 Калибровочная кривая модели.mkv	96.2 MB
12.docx	16.6 KB
13 Lecture_13_SVM.pdf	1.0 MB
13 Practice_13.ipynb	753.5 KB
13 Конспект__13_урок__Метод_опорных_векторов.pdf	511.9 KB
13 Разбор_14.ipynb	24.5 KB
13.1 Метод опорных векторов SVM_2.mkv	90.2 MB
13.2 Линейная неразделимость - регуляризация в бинарной классификации.mkv	52.9 MB
13.3 Практика.mkv	86.3 MB
13.docx	46.6 KB
14 Practice_14.ipynb	539.8 KB
14 segmentation_data.csv	425.4 KB
14 Конспект__14_урок_Многоклассовая_классификация_one_vs_rest_one_vs_one.pdf	447.1 KB
14 Разбор_15.ipynb	31.6 KB
14.1 Методы one vs all и one vs one.mkv	85.1 MB
14.2 Метрики качества.mkv	31.1 MB
14.2 Метрики качества.mp4	29.5 MB
14.3 Практика. Задача сегментации клиентов.mkv	343.3 MB
14.docx	21.1 KB
15 Lecture_15_Space_Dimension_Reduction.pptx	2.9 MB
15 Practice_15_.ipynb	1.5 MB
15 processed_segmentation.xlsx	465.7 KB
15 Конспект__15_урок__Понижение_размерности_признакового_пространства.pdf	960.7 KB
15 Разбор_16.ipynb	24.5 KB
15.1 Понижение размерности. Постановка задачи.mkv	49.7 MB
15.2 Метод главных компонент.mkv	45.7 MB
15.3 T-SNE.mkv	55.2 MB
15.4 Практика.mkv	104.2 MB
15.docx	17.4 KB
16 Lecture_16_KNN.pptx	760.8 KB
16 onevsrest.PNG	27.0 KB
16 Practice_16.ipynb	48.6 KB
16 Конспект__16_урок__Метод_K_ближайших_соседей_обоснование_нелинейности_гиперпараметры_и_подбор_метрики_близости_объектов.pdf	850.6 KB
16 Разбор_17.ipynb	17.5 KB
16.1 Метод K ближайших соседей.mkv	48.0 MB
16.2 Практика. Сравнение линейной регрессии и метода KNN.mkv	99.0 MB
16.3 Гиперпараметры p и h. Перевзвешивание соседей.mkv	54.9 MB
16.4 Практика. Гауссовское ядро.mkv	99.9 MB
16.docx	17.4 KB
17 Lecture_17_Decision_Trees.pptx	1.7 MB
17 Practice_17.ipynb	734.6 KB
17 Конспект__17_урок__Решающее_дерево_постановка_задачи_регрессииклассификации_и_гиперпараметры_модели.pdf	1.2 MB
17 Разбор_18.ipynb	22.0 KB
17.1 Введение в решающие деревья.mkv	74.1 MB
17.2 Критерии качества и информативности.mkv	55.4 MB
17.3 Критерии останова и жадный алгоритм.mkv	25.3 MB
17.4 Практика.mkv	162.4 MB
17.docx	16.1 KB
18 holidays_events.csv	22.3 KB
18 items.csv	101.8 KB
18 Lecture_18_DT_Overfit.pdf	1.2 MB
18 oil.csv	20.6 KB
18 Practice_18.ipynb	926.2 KB
18 stores.csv	1.4 KB
18 Конспект__18_урок__Решающее_дерево_проблемы_с_обобщающей_способностью_и_подбор_гиперпараметров.pdf	563.6 KB
18 Разбор_19.ipynb	31.6 KB
18.1 Решающие деревья и проблема переобучения.mkv	79.2 MB
18.2 Практика. Предобработка и трансформация данных.mkv	111.8 MB
18.3 Практика. Обучение модели Decision tree.mkv	111.3 MB
18.docx	16.0 KB
19 Lecture_19_Bagging_And_Stacking — копия.pptx	1.4 MB
19 Practice_19.ipynb	478.7 KB
19 Конспект__19_урок_Композиции_алгоритмов._случайный_лес.pdf	455.8 KB
19 Разбор_20.ipynb	87.3 KB
19.1 Композиции алгоритмов, бэггинг.mkv	49.4 MB
19.2 Random forest.mkv	24.6 MB
19.3 Стекинг.mkv	33.4 MB
19.4 Практика.mkv	317.1 MB
19.docx	19.8 KB
20 Lecture_20_Boosting_And_BVT.pptx	1.8 MB
20 Practice_20.ipynb	2.0 MB
20 Конспект__20_урок__Градиентный_бустинг._biase-variance_tradeoff.pdf	684.8 KB
20 Разбор_21.ipynb	23.3 KB
20.1 Бустинг.mkv	40.7 MB
20.2 Градиентный бустинг.mkv	110.5 MB
20.3 Bias-variance tradeoff.mkv	67.9 MB
20.4 Практика.mkv	185.5 MB
20.docx	215.4 KB
21 Lecture_21_Clustering.pptx	832.3 KB
21 Practice_21.ipynb	1.8 MB
21 Конспект__21_урок__Кластеризация.pdf	657.7 KB
21.1 Введение.mkv	30.5 MB
21.2 K-means.mkv	22.8 MB
21.3 DBSCAN.mkv	54.4 MB
21.4 Практика.mkv	106.9 MB
21.docx	17.6 KB
22 Lecture_22_RecSys.pptx	4.5 MB
22 movies.csv	494.4 KB
22 Practice_22.ipynb	470.5 KB
22 ratings.csv	2.5 MB
22 Конспект__22_урок__Рекомендательные_системы.pdf	802.5 KB
22.1 Контентная рекомендация.mkv	55.6 MB
22.2 Коллаборативная фильтрация.mkv	88.1 MB
22.3 Оценка качества и валидация рекомендательных систем.mkv	29.9 MB
22.4 Практика построение модели рекомендательной системы.mkv	154.5 MB
22.docx	64.0 KB
23 Lecture_23.pptx	1.2 MB
23.1 Общие вопросы.mkv	126.1 MB
23.2 Вопросы о линейных моделях.mkv	63.9 MB
23.docx	12.4 KB
23_урок__Машинное_обучение_классические_задачи_и_алгоритмы_I.pdf	1.4 MB
24 Lecture_24.pptx	1.3 MB
24 Машинное обучение классические задачи и алгоритмы II.mkv	166.6 MB
24.docx	12.5 KB
24_урок__Машинное_обучение_классические_задачи_и_алгоритмы_II.pdf	1.6 MB
25 HW_1_Разбор.ipynb	72.9 KB
26 HW2_Разбор.ipynb	33.1 KB
27 HW3_разбор.ipynb	16.3 KB
28 Разбор ДЗ 4 урока.mkv	103.3 MB
28 Разбор_4.ipynb	167.6 KB
29 Разбор_5.ipynb	25.3 KB
30 Разбор_6.ipynb	35.4 KB
31 Разбор_7.ipynb	546.8 KB
32 Разбор_8.ipynb	71.6 KB
33 Разбор_10.ipynb	90.1 KB
34 Разбор_11.ipynb	29.6 KB
35 Разбор_12.ipynb	12.6 KB
36 Разбор_13.ipynb	13.7 KB
37 Разбор_14.ipynb	24.5 KB
38 Разбор_15.ipynb	31.6 KB
39 Разбор_16.ipynb	24.5 KB
40 Разбор_17.ipynb	17.5 KB
41 Разбор_18.ipynb	22.0 KB
42 Разбор_19.ipynb	31.6 KB
43 Разбор_20.ipynb	87.3 KB
44 Разбор_21.ipynb	23.3 KB
46 Разбор_23.ipynb	23.3 KB
47 Разбор_24.ipynb	23.0 KB
/4 Часть/
0 input.ipynb	0.8 KB
0 Kaggle- инструкция.mkv	32.1 MB
0.docx	67.4 KB
1 Lecture 1 Intro to DL.pptx	15.4 MB
1 Seminar_1_Intro_to_DL.ipynb	136.9 KB
1. Введение. Полносвязные слои. Функции активации.mkv	84.5 MB
1. Семинар.mkv	328.0 MB
1.docx	15.8 KB
1_Конспект__1_урок__Введение._Полносвязные_слои._функции_активации(NEW).pdf	2.4 MB
2 Lecture 2 Intro to DL.pdf	6.7 MB
2 plot_trajectory.py	3.0 KB
2 Seminar_2_Intro_to_DL.ipynb	1.2 MB
2 Конспект__2_урок_Оптимизация_нейронных_сетей._метод_обратного_распространения_ошибки.pdf	2.8 MB
2.1 Градиентный спуск и методы оптимизации. Лекция.mkv	29.4 MB
2.2 Обучение нейронных сетей. Лекция.mkv	45.2 MB
2.3 Высокоуровневое API для обучения нейросети. Семинар.mkv	205.5 MB
2.4 Обучение первой нейросети в PyTorch. Семинар.mkv	65.0 MB
2.docx	14.9 KB
3 Lecture 3 Intro to DL.pdf	12.2 MB
3 Seminar_3_Intro_to_DL.ipynb	2.9 MB
3 Конспект__3_урок__Сверточные_нейронные_сети.pdf	2.9 MB
3.1 Сверточные нейронные сети. Лекция.mkv	77.6 MB
3.2 Сверточные нейронные сети. Семинар.mkv	112.9 MB
3.docx	15.1 KB
4 DataSphere introduction.ipynb	8.1 KB
4 Seminar_4_Intro_to_DL.ipynb	4.5 MB
4 Конспект__4_урок__Сверточные_нейронные_сети._часть_ii.pdf	1.4 MB
4.1 Регуляризация и нормализация нейронных сетей. Batch нормализация.mkv	162.9 MB
4.2 Нормализация входных данных. Инициализация параметров. Аугментация данных.mkv	121.6 MB
4.3 Практика.mkv	140.1 MB
4.docx	19.9 KB
5 Seminar_5_Intro_to_DL.ipynb	6.5 MB
5 Конспект__5_урок__Популярные_архитектуры_сверточных_нейронных_сетей._перенос_знаний.pdf	3.0 MB
5.1 Популярные архитектуры сверточных нейронных сетей. Перенос знаний.mkv	317.7 MB
5.docx	16.5 KB
6 Seminar_6_Intro_to_DL.ipynb	44.3 MB
6 картинки.zip	9.3 MB
6 Конспект__6_урок__Детекция_объектов.pdf	6.0 MB
6.1 Сегментация объектов.mkv	74.2 MB
6.2 Практика по сегментации.mkv	58.4 MB
6.3 Детекция объектов.mkv	136.3 MB
6.4 Практика по детекции.mkv	92.4 MB
6.docx	55.2 KB
7 faces_dataset.zip	2.8 MB
7 Lecture_7_Intro_to_DL.pdf	3.1 MB
7 Seminar_7_Intro_to_DL_1.ipynb	4.5 MB
7 Seminar_7_Intro_to_DL_2.ipynb	3.8 MB
7 Конспект__7_урок__.pdf	7.5 MB
7.1 Автоэнкодеры.mkv	60.9 MB
7.2 Идентификация лиц.mkv	52.6 MB
7.3 Автоэнкодеры на практике.mkv	153.0 MB
7.4 Распознавание лиц на практике.mkv	102.6 MB
7.docx	15.2 KB
8 IMDB Dataset.csv	27.0 MB
8 Lecture_8_Intro_to_DL.ipynb	99.1 KB
8 Lecture_8_Intro_to_DL.pdf	10.1 MB
8 Конспект__8_урок__Векторные_представления_слов._рекуррентные_нейронные_сети.pdf	1.3 MB
8.1 Векторные представления текстов. Лекция.mkv	144.1 MB
8.2 Векторные представления текстов. Семинар.mkv	137.3 MB
8.docx	14.1 KB
9 anek.txt	24.9 MB
9 Lecture_9_Intro_to_DL.ipynb	107.2 KB
9 Lecture_9_Intro_to_DL.pdf	3.6 MB
9 Конспект__9_урок__LSTM._Трансформер._механизм_внимания.pdf	7.8 MB
9.1 Реккурентные нейронные сети (RNN) и их модификации.mkv	85.9 MB
9.3 Трансформер.mkv	86.8 MB
9.4 Практика.mkv	215.4 MB
9.docx	16.4 KB
10 attention.py	1.7 KB
10 encoder_decoder.py	5.0 KB
10 Lecture_10_Intro_to_DL_Bert.ipynb	173.2 KB
10 Lecture_10_Intro_to_DL_gpt.ipynb	15.3 KB
10 Lecture_10_Intro_to_DL_Transformer.ipynb	78.2 KB
10 model.py	2.0 KB
10.1 Трансформер своими руками.mkv	153.0 MB
10.2 Bert.mkv	184.6 MB
10.3 GPT.mkv	98.2 MB
10.docx	17.3 KB
/5 часть/
1 1 Статистика в ML.mkv	28.2 MB
1 2 Введение в теорию вероятностей.mkv	65.3 MB
1 3 Условная вероятность Формула Байеса.mkv	47.2 MB
1 4 Введение в статистику.mkv	102.8 MB
1 5 Дискретные распределения.mkv	34.3 MB
1 hw_1.ipynb	18.8 KB
1 startml_каюмов_урок1.pdf	690.1 KB
1 Задания.docx	16.7 KB
1_Конспект__1_урок___Зачем_нужна_статистика_и_AB_тесты.pdf	534.1 KB
2 1 Для чего нужны доверительные интервалы.mkv	53.0 MB
2 2 Построение доверительных интервалов.mp4	83.0 MB
2 3 Виды распределений случайных величин.mkv	54.5 MB
2 4 Центральная предельная теорема ЦПТ.mkv	59.8 MB
2 5 Применение ЦПТ.mkv	109.6 MB
2 6 Доверительный интервал для доли.mkv	34.5 MB
2 demo_2.ipynb	864.4 KB
2 hw_2.ipynb	42.2 KB
2.docx	21.1 KB
2_Конспект__2_урок___Доверительные_интервалы.pdf	1.5 MB
2slides_2.pdf	14.9 MB
3 demo_3.ipynb	186.4 KB
3 hw_3.ipynb	83.8 KB
3 slides_3.pdf	5.7 MB
3. Статистики распределений, взаимосвязь случайных величин.mkv	33.1 MB
3.docx	18.6 KB
3_Конспект__3_урок___Статистики_распределений_взаимосвязь_случайных_величин_показатели_корреляции.pdf	2.6 MB
4 Проверка гипотез, параметрические статистические критерии.mkv	79.5 MB
4 demo_4.ipynb	217.4 KB
4 hw_4.ipynb	65.1 KB
4 slides_4.pdf	5.9 MB
4.docx	19.1 KB
4_Конспект__4_урок___Проверка_гипотез_параметрические_статистические_критерии.pdf	505.9 KB
5 demo_5.ipynb	100.0 KB
5 hw_5.ipynb	21.9 KB
5 slides_5.pdf	4.1 MB
5. Непараметрические статистические критерии.mkv	49.2 MB
5.docx	18.9 KB
5_Конспект__5_урок__Непараметрические_статистические_критерии.pdf	438.4 KB
6 demo_6.ipynb	251.4 KB
6 hw_6.ipynb	49.2 KB
6 slides_6.pdf	3.6 MB
6. Метод максимума правдоподобия и ядерная оценка плотности.mkv	60.8 MB
6.docx	18.5 KB
6_Конспект__6_урок___Метод_максимума_правдоподобия_и_ядерная_оценка_плотности.pdf	2.8 MB
7 demo_7.ipynb	6.6 KB
7 hw_7.ipynb	21.8 KB
7 slides_7.pdf	458.6 KB
7. Дизайн AB эксперимента.mkv	46.8 MB
7.docx	15.8 KB
7_Конспект__7_урок__Дизайн_AB_эксперимента.pdf	379.3 KB
8 demo_8.ipynb	253.8 KB
8 hw_8.ipynb	25.8 KB
8 slides_8.pdf	9.7 MB
8. АA эксперименты и валидация методики экспериментирования.mkv	87.6 MB
8.docx	15.4 KB
8_Конспект__8_урок__АА-эксперименты_и_валидация_методики_экспериментирования.pdf	6.2 MB
9 demo_9.ipynb	157.8 KB
9 hw_9.ipynb	10.9 KB
9 slides_9.pdf	8.7 MB
9. Ошибки при проведении AB тестов.mkv	64.2 MB
9.docx	14.9 KB
9______AB_.pdf	1.8 MB
10 demo_10.ipynb	57.0 KB
10 hw_10.ipynb	36.8 KB
10 slides_10.pdf	3.7 MB
10.1 Уменьшение дисперсии. Поправка Cuped.mkv	36.2 MB
10.2 Сравнение изменений числа кликов и CTR.mkv	32.4 MB
10.docx	19.7 KB
10_Конспект__10__ Увеличение чувствительности_А_В тестов____.pdf	5.7 MB
11 app_11.py	7.0 KB
11 hw_11.ipynb	53.9 KB
11 slides_11.pdf	153.0 KB
11. Невозможность проведения АВ тестов.mkv	60.4 MB
11.docx	26.3 KB
11_Конспект__11_урок__Невозможность_проведения_AB_тестов.pdf	1.1 MB
/6 Часть/6/
1 Что обычно спрашивают на собеседованиях.mkv	112.3 MB
2 _Конспект__2_урок___Методы_оценки_сложности_алгоритмов.pdf	513.9 KB
2 lesson_2.zip	5.2 KB
2 M5 L2 рукопись.pdf	1.6 MB
2 Notion.docx	12.5 KB
2 Задания.docx	27.0 KB
2 М5 Л2.pdf	4.0 MB
2.1 Сложность алгоритмов и “O” нотация.mkv	177.9 MB
2.2 Примеры оценки сложности алгоритмов.mkv	97.4 MB
2.3 Правила 1 2.mkv	89.4 MB
2.4 Амортизированная сложность.mkv	83.5 MB
2.5 Правила 2 2.mkv	145.6 MB
2.6 Нетривиальные задачи. Примеры.mkv	66.3 MB
3 _Конспект__3_урок___Программирование_на_Python_задачи_и_теория_на_массивы_однодвух-связные_списки_не_алгоритмические_вещи.pdf	641.9 KB
3 Notion.docx	12.6 KB
3 Задания.docx	42.1 KB
3 М5 Л3 рукопись.pdf	1.7 MB
3 М5 Л3.pdf	6.1 MB
3.1 Массивы и указатели.mkv	43.6 MB
3.2 Задача контейнер с водой.mkv	285.7 MB
3.3 Односвязный и двусвязный список, задача на разворот односвязного списка.mkv	293.1 MB
3.4 Граничные условия, задача на подсвет букв подряд.mkv	206.0 MB
4 1 Основные определения графов.mkv	65.5 MB
4 2 Обход в ширину и глубину.mkv	136.9 MB
4 3 Компонента связности.mkv	117.2 MB
4 4 Деревья основные определения.mkv	78.5 MB
4 5 Кучи и сортировка кучей.mkv	148.2 MB
4 Notion.docx	12.6 KB
4 Задания.docx	119.6 KB
4_Конспект__4_урок___Программирование_на_Python_задачи_и_теория_на_деревья_и_графы.pdf	1.6 MB
Total files 588