Udemy Машинное обучение из грязи Kaggle князи 2020

Udemy Машинное обучение из грязи Kaggle князи 2020

Name	Udemy - Машинное обучение из грязи в Kaggle-князи - 2020	DOWNLOAD Copy Link
Total Size	19.6 GB
Total Files	130
Last Seen	2024-11-09 02:28
Hash	E796F4162B30854B16D1FB97E096F15FAC437A51

/01 Часть 1. Процесс машинного обучения/
001 Задачи машинного обучения.mp4	223.4 MB
002 Модель и процесс машинного обучения.mp4	175.0 MB
003 Что такое ETL.mp4	137.0 MB
004 Что такое EDA.mp4	163.5 MB
005 Подготовка данных.mp4	299.7 MB
006 Разбиение выборки.mp4	222.4 MB
007 Оптимизация гиперпараметров.mp4	287.2 MB
008 Недообучение и переобучение.mp4	246.6 MB
009 Смещение, разброс и ошибка данных.mp4	239.3 MB
010 Использование HDF.mp4	152.4 MB
/02 Метрики и модели/
011 Метод максимального правдоподобия.mp4	353.4 MB
012 Метод наименьших квадратов.mp4	131.1 MB
013 Аппроксимация пропусков в данных.mp4	130.4 MB
014 Среднеквадратичная ошибка.mp4	149.2 MB
015 Метрики и расстояния.mp4	185.8 MB
/03 Часть 2. Практикум_ Предсказание энергопотребления зданий/
016 Процесс ETL.mp4	96.4 MB
017 Интерполяция и экстраполяция.mp4	48.2 MB
018 Оценка модели.mp4	89.4 MB
019 Линейная регрессия.mp4	90.5 MB
external-assets-links.txt	0.4 KB
/04 Практикум_ Оптимизация памяти и обогащение данных/
020 Оптимизация потребления памяти.mp4	144.3 MB
021 EDA_ исследование зависимостей.mp4	130.1 MB
022 Заполнение пропусков в данных.mp4	85.2 MB
external-assets-links.txt	0.4 KB
/05 Модели линейной регрессии/
023 Линейная регрессия и L1_L2-регуляризация.mp4	318.5 MB
024 Изотоническая регрессия.mp4	124.2 MB
025 BIC и AIC.mp4	119.2 MB
026 Полиномиальная регрессия.mp4	109.3 MB
027 Линеаризация регрессии.mp4	190.1 MB
/06 Практикум_ Конкурентные модели регрессии/
028 Обогащение данных.mp4	182.0 MB
029 Иерархия моделей.mp4	178.8 MB
030 Оптимизация регрессии.mp4	149.3 MB
external-assets-links.txt	0.3 KB
/07 Практикум_ Ансамбль линейной регрессии/
031 Экспорт и импорт данных.mp4	70.2 MB
032 Ансамбль регрессионных моделей.mp4	204.1 MB
033 Расчет результатов.mp4	176.3 MB
external-assets-links.txt	0.3 KB
/08 Часть 3. Метрики и модели классификации/
034 Точность и полнота.mp4	247.0 MB
035 F-мера.mp4	140.7 MB
036 ROC AUC и Gini.mp4	271.6 MB
037 Оценка Каппа Коэна.mp4	173.5 MB
038 Взвешенная квадратичная Каппа.mp4	281.2 MB
039 Логистическая функция потерь.mp4	169.9 MB
040 Метод ближайших соседей.mp4	216.2 MB
/09 Практикум_ Задача страхового скоринга/
041 Страховой скоринг.mp4	134.6 MB
042 F1 и Каппа оценки классификации.mp4	74.9 MB
043 Метод ближайших соседей.mp4	48.5 MB
external-assets-links.txt	0.3 KB
/10 Простые модели классификации/
044 Наивный Байес.mp4	180.3 MB
045 Логистическая регрессия.mp4	108.3 MB
046 Дерево принятия решения.mp4	232.9 MB
047 Опорные векторы.mp4	235.3 MB
/11 Практикум_ Логистическая регрессия и опорные векторы/
048 Обработка данных и оптимизация памяти.mp4	121.8 MB
049 Логистическая регрессия.mp4	46.7 MB
050 Иерархия логистической регрессии.mp4	144.6 MB
051 SVM.mp4	44.3 MB
external-assets-links.txt	0.5 KB
/12 Ансамблевые модели/
052 Ансамблевые модели.mp4	263.9 MB
053 Бутстрэп.mp4	174.3 MB
054 Бэггинг.mp4	167.5 MB
055 Случайный лес.mp4	140.3 MB
056 Out-of-Bag.mp4	162.0 MB
057 Сверхслучайные деревья.mp4	207.4 MB
058 Адаптивный бустинг.mp4	162.5 MB
059 LogitBoost, BrownBoost и L2Boost.mp4	196.7 MB
060 Градиентный спуск.mp4	280.4 MB
061 Градиентный бустинг и XGBoost.mp4	180.5 MB
062 Стохастический градиентный бустинг.mp4	133.7 MB
/13 Практикум_ Решающие деревья и ансамбли бэггинга и бустинга/
063 Решающие деревья.mp4	85.1 MB
064 Случайный лес.mp4	71.2 MB
065 Бустинг с XGBoost.mp4	31.9 MB
external-assets-links.txt	0.3 KB
/14 Продвинутые ансамбли/
066 LightGBM.mp4	207.6 MB
067 CatBoost.mp4	120.0 MB
068 Ансамбль стекинга.mp4	249.5 MB
/15 Практикум_ Ансамбль стекинга и финальное решение/
069 LightGBM.mp4	62.9 MB
070 CatBoost.mp4	116.8 MB
071 Ансамбль классификации.mp4	139.4 MB
072 Расчет результатов.mp4	58.8 MB
external-assets-links.txt	0.4 KB
/16 Часть 4. Искусственные нейронные сети/
073 Искусственные нейронные сети.mp4	223.3 MB
074 Слои в нейросетях.mp4	154.2 MB
075 Нейрон смещения.mp4	125.4 MB
076 Функции активации.mp4	293.8 MB
077 Обратное распространение ошибки.mp4	243.3 MB
078 Многослойный перцептрон.mp4	169.3 MB
/17 Практикум_ Распознавание формы облаков/
079 Предсказание формы облаков.mp4	150.7 MB
080 Предобработка изображений.mp4	64.2 MB
081 Опорные векторы и коэффициент сходства.mp4	173.1 MB
082 Двухслойный перцептрон.mp4	64.8 MB
external-assets-links.txt	0.5 KB
/18 Обучение нейросети/
083 Эпохи, пакеты, итерации.mp4	219.2 MB
084 Оптимизация нейросетей по Нестерову.mp4	188.7 MB
085 Адаптивная оптимизация нейросетей.mp4	214.8 MB
086 RMSprop, adadelta, adam.mp4	192.2 MB
087 Оптимизация нейросетей.mp4	185.0 MB
088 Пакетная нормализация.mp4	240.2 MB
089 Регуляризация обучения нейросетей.mp4	187.5 MB
090 Методы инициализации весов.mp4	214.2 MB
091 Дополнение данных.mp4	166.1 MB
092 Оптимизация нейросетей.mp4	184.6 MB
093 Свертка и подвыборка.mp4	236.9 MB
094 Сверточные нейросети.mp4	190.3 MB
/19 Практикум_ Сверточные нейросети/
095 Свертка и подвыборка.mp4	129.2 MB
096 Активация и оптимизаторы.mp4	84.9 MB
097 Нормализация и переобучение.mp4	62.8 MB
098 Дополнение изображений.mp4	116.4 MB
external-assets-links.txt	0.5 KB
/20 Архитектуры сверточных нейросетей/
099 LeNet.mp4	248.4 MB
100 AlexNet.mp4	293.2 MB
101 VGG.mp4	211.6 MB
102 GoogLeNet.mp4	310.2 MB
103 Inception.mp4	273.6 MB
104 ResNet.mp4	182.3 MB
105 ResNeXt.mp4	197.3 MB
106 SE-ResNet.mp4	146.8 MB
107 EfficientNet.mp4	274.4 MB
108 DenseNet.mp4	152.1 MB
109 MobileNet.mp4	196.4 MB
/21 Практикум_ Архитектуры нейронных сетей/
110 LeNet, CaffeNet и AlexNet.mp4	123.7 MB
111 VGG16 и VGG19.mp4	50.1 MB
112 GoogLeNet и Inception-BN.mp4	51.0 MB
113 Inception V3 и V4.mp4	86.2 MB
114 ResNet34, 50, 101, 152.mp4	65.6 MB
115 Архитектура нейросети.mp4	192.0 MB
external-assets-links.txt	0.5 KB
/22 Практикум_ нейросети для сегментации/
116 MobileNet для областей.mp4	129.7 MB
117 U-Net.mp4	102.1 MB
118 FPN.mp4	107.0 MB
external-assets-links.txt	0.1 KB
Total files 130