589689.xyz

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

  • 收录时间:2021-04-27 21:51:55
  • 文件大小:18GB
  • 下载次数:1
  • 最近下载:2021-04-27 21:51:55
  • 磁力链接:
立即下载 复制链接

文件列表

  1. 02 Метрики и модели/011 Метод максимального правдоподобия.mp4 337MB
  2. 05 Модели линейной регрессии/023 Линейная регрессия и L1_L2-регуляризация.mp4 304MB
  3. 20 Архитектуры сверточных нейросетей/102 GoogLeNet.mp4 296MB
  4. 01 Часть 1. Процесс машинного обучения/005 Подготовка данных.mp4 286MB
  5. 16 Часть 4. Искусственные нейронные сети/076 Функции активации.mp4 280MB
  6. 20 Архитектуры сверточных нейросетей/100 AlexNet.mp4 280MB
  7. 01 Часть 1. Процесс машинного обучения/007 Оптимизация гиперпараметров.mp4 274MB
  8. 08 Часть 3. Метрики и модели классификации/038 Взвешенная квадратичная Каппа.mp4 268MB
  9. 12 Ансамблевые модели/060 Градиентный спуск.mp4 267MB
  10. 20 Архитектуры сверточных нейросетей/107 EfficientNet.mp4 262MB
  11. 20 Архитектуры сверточных нейросетей/103 Inception.mp4 261MB
  12. 08 Часть 3. Метрики и модели классификации/036 ROC AUC и Gini.mp4 259MB
  13. 12 Ансамблевые модели/052 Ансамблевые модели.mp4 252MB
  14. 14 Продвинутые ансамбли/068 Ансамбль стекинга.mp4 238MB
  15. 20 Архитектуры сверточных нейросетей/099 LeNet.mp4 237MB
  16. 08 Часть 3. Метрики и модели классификации/034 Точность и полнота.mp4 236MB
  17. 01 Часть 1. Процесс машинного обучения/008 Недообучение и переобучение.mp4 235MB
  18. 16 Часть 4. Искусственные нейронные сети/077 Обратное распространение ошибки.mp4 232MB
  19. 18 Обучение нейросети/088 Пакетная нормализация.mp4 229MB
  20. 01 Часть 1. Процесс машинного обучения/009 Смещение, разброс и ошибка данных.mp4 228MB
  21. 18 Обучение нейросети/093 Свертка и подвыборка.mp4 226MB
  22. 10 Простые модели классификации/047 Опорные векторы.mp4 224MB
  23. 10 Простые модели классификации/046 Дерево принятия решения.mp4 222MB
  24. 01 Часть 1. Процесс машинного обучения/001 Задачи машинного обучения.mp4 213MB
  25. 16 Часть 4. Искусственные нейронные сети/073 Искусственные нейронные сети.mp4 213MB
  26. 01 Часть 1. Процесс машинного обучения/006 Разбиение выборки.mp4 212MB
  27. 18 Обучение нейросети/083 Эпохи, пакеты, итерации.mp4 209MB
  28. 08 Часть 3. Метрики и модели классификации/040 Метод ближайших соседей.mp4 206MB
  29. 18 Обучение нейросети/085 Адаптивная оптимизация нейросетей.mp4 205MB
  30. 18 Обучение нейросети/090 Методы инициализации весов.mp4 204MB
  31. 20 Архитектуры сверточных нейросетей/101 VGG.mp4 202MB
  32. 14 Продвинутые ансамбли/066 LightGBM.mp4 198MB
  33. 12 Ансамблевые модели/057 Сверхслучайные деревья.mp4 198MB
  34. 07 Практикум_ Ансамбль линейной регрессии/032 Ансамбль регрессионных моделей.mp4 195MB
  35. 20 Архитектуры сверточных нейросетей/105 ResNeXt.mp4 188MB
  36. 12 Ансамблевые модели/059 LogitBoost, BrownBoost и L2Boost.mp4 188MB
  37. 20 Архитектуры сверточных нейросетей/109 MobileNet.mp4 187MB
  38. 18 Обучение нейросети/086 RMSprop, adadelta, adam.mp4 183MB
  39. 21 Практикум_ Архитектуры нейронных сетей/115 Архитектура нейросети.mp4 183MB
  40. 18 Обучение нейросети/094 Сверточные нейросети.mp4 182MB
  41. 05 Модели линейной регрессии/027 Линеаризация регрессии.mp4 181MB
  42. 18 Обучение нейросети/084 Оптимизация нейросетей по Нестерову.mp4 180MB
  43. 18 Обучение нейросети/089 Регуляризация обучения нейросетей.mp4 179MB
  44. 02 Метрики и модели/015 Метрики и расстояния.mp4 177MB
  45. 18 Обучение нейросети/087 Оптимизация нейросетей.mp4 176MB
  46. 18 Обучение нейросети/092 Оптимизация нейросетей.mp4 176MB
  47. 20 Архитектуры сверточных нейросетей/104 ResNet.mp4 174MB
  48. 06 Практикум_ Конкурентные модели регрессии/028 Обогащение данных.mp4 174MB
  49. 12 Ансамблевые модели/061 Градиентный бустинг и XGBoost.mp4 172MB
  50. 10 Простые модели классификации/044 Наивный Байес.mp4 172MB
  51. 06 Практикум_ Конкурентные модели регрессии/029 Иерархия моделей.mp4 171MB
  52. 07 Практикум_ Ансамбль линейной регрессии/033 Расчет результатов.mp4 168MB
  53. 01 Часть 1. Процесс машинного обучения/002 Модель и процесс машинного обучения.mp4 167MB
  54. 12 Ансамблевые модели/053 Бутстрэп.mp4 166MB
  55. 08 Часть 3. Метрики и модели классификации/037 Оценка Каппа Коэна.mp4 165MB
  56. 17 Практикум_ Распознавание формы облаков/081 Опорные векторы и коэффициент сходства.mp4 165MB
  57. 08 Часть 3. Метрики и модели классификации/039 Логистическая функция потерь.mp4 162MB
  58. 16 Часть 4. Искусственные нейронные сети/078 Многослойный перцептрон.mp4 161MB
  59. 12 Ансамблевые модели/054 Бэггинг.mp4 160MB
  60. 18 Обучение нейросети/091 Дополнение данных.mp4 158MB
  61. 01 Часть 1. Процесс машинного обучения/004 Что такое EDA.mp4 156MB
  62. 12 Ансамблевые модели/058 Адаптивный бустинг.mp4 155MB
  63. 12 Ансамблевые модели/056 Out-of-Bag.mp4 155MB
  64. 16 Часть 4. Искусственные нейронные сети/074 Слои в нейросетях.mp4 147MB
  65. 01 Часть 1. Процесс машинного обучения/010 Использование HDF.mp4 145MB
  66. 20 Архитектуры сверточных нейросетей/108 DenseNet.mp4 145MB
  67. 17 Практикум_ Распознавание формы облаков/079 Предсказание формы облаков.mp4 144MB
  68. 06 Практикум_ Конкурентные модели регрессии/030 Оптимизация регрессии.mp4 142MB
  69. 02 Метрики и модели/014 Среднеквадратичная ошибка.mp4 142MB
  70. 20 Архитектуры сверточных нейросетей/106 SE-ResNet.mp4 140MB
  71. 11 Практикум_ Логистическая регрессия и опорные векторы/050 Иерархия логистической регрессии.mp4 138MB
  72. 04 Практикум_ Оптимизация памяти и обогащение данных/020 Оптимизация потребления памяти.mp4 138MB
  73. 08 Часть 3. Метрики и модели классификации/035 F-мера.mp4 134MB
  74. 12 Ансамблевые модели/055 Случайный лес.mp4 134MB
  75. 15 Практикум_ Ансамбль стекинга и финальное решение/071 Ансамбль классификации.mp4 133MB
  76. 01 Часть 1. Процесс машинного обучения/003 Что такое ETL.mp4 131MB
  77. 09 Практикум_ Задача страхового скоринга/041 Страховой скоринг.mp4 128MB
  78. 12 Ансамблевые модели/062 Стохастический градиентный бустинг.mp4 128MB
  79. 02 Метрики и модели/012 Метод наименьших квадратов.mp4 125MB
  80. 02 Метрики и модели/013 Аппроксимация пропусков в данных.mp4 124MB
  81. 04 Практикум_ Оптимизация памяти и обогащение данных/021 EDA_ исследование зависимостей.mp4 124MB
  82. 22 Практикум_ нейросети для сегментации/116 MobileNet для областей.mp4 124MB
  83. 19 Практикум_ Сверточные нейросети/095 Свертка и подвыборка.mp4 123MB
  84. 16 Часть 4. Искусственные нейронные сети/075 Нейрон смещения.mp4 120MB
  85. 05 Модели линейной регрессии/024 Изотоническая регрессия.mp4 118MB
  86. 21 Практикум_ Архитектуры нейронных сетей/110 LeNet, CaffeNet и AlexNet.mp4 118MB
  87. 11 Практикум_ Логистическая регрессия и опорные векторы/048 Обработка данных и оптимизация памяти.mp4 116MB
  88. 14 Продвинутые ансамбли/067 CatBoost.mp4 114MB
  89. 05 Модели линейной регрессии/025 BIC и AIC.mp4 114MB
  90. 15 Практикум_ Ансамбль стекинга и финальное решение/070 CatBoost.mp4 111MB
  91. 19 Практикум_ Сверточные нейросети/098 Дополнение изображений.mp4 111MB
  92. 05 Модели линейной регрессии/026 Полиномиальная регрессия.mp4 104MB
  93. 10 Простые модели классификации/045 Логистическая регрессия.mp4 103MB
  94. 22 Практикум_ нейросети для сегментации/118 FPN.mp4 102MB
  95. 22 Практикум_ нейросети для сегментации/117 U-Net.mp4 97MB
  96. 03 Часть 2. Практикум_ Предсказание энергопотребления зданий/016 Процесс ETL.mp4 92MB
  97. 03 Часть 2. Практикум_ Предсказание энергопотребления зданий/019 Линейная регрессия.mp4 86MB
  98. 03 Часть 2. Практикум_ Предсказание энергопотребления зданий/018 Оценка модели.mp4 85MB
  99. 21 Практикум_ Архитектуры нейронных сетей/113 Inception V3 и V4.mp4 82MB
  100. 04 Практикум_ Оптимизация памяти и обогащение данных/022 Заполнение пропусков в данных.mp4 81MB
  101. 13 Практикум_ Решающие деревья и ансамбли бэггинга и бустинга/063 Решающие деревья.mp4 81MB
  102. 19 Практикум_ Сверточные нейросети/096 Активация и оптимизаторы.mp4 81MB
  103. 09 Практикум_ Задача страхового скоринга/042 F1 и Каппа оценки классификации.mp4 71MB
  104. 13 Практикум_ Решающие деревья и ансамбли бэггинга и бустинга/064 Случайный лес.mp4 68MB
  105. 07 Практикум_ Ансамбль линейной регрессии/031 Экспорт и импорт данных.mp4 67MB
  106. 21 Практикум_ Архитектуры нейронных сетей/114 ResNet34, 50, 101, 152.mp4 63MB
  107. 17 Практикум_ Распознавание формы облаков/082 Двухслойный перцептрон.mp4 62MB
  108. 17 Практикум_ Распознавание формы облаков/080 Предобработка изображений.mp4 61MB
  109. 15 Практикум_ Ансамбль стекинга и финальное решение/069 LightGBM.mp4 60MB
  110. 19 Практикум_ Сверточные нейросети/097 Нормализация и переобучение.mp4 60MB
  111. 15 Практикум_ Ансамбль стекинга и финальное решение/072 Расчет результатов.mp4 56MB
  112. 21 Практикум_ Архитектуры нейронных сетей/112 GoogLeNet и Inception-BN.mp4 49MB
  113. 21 Практикум_ Архитектуры нейронных сетей/111 VGG16 и VGG19.mp4 48MB
  114. 09 Практикум_ Задача страхового скоринга/043 Метод ближайших соседей.mp4 46MB
  115. 03 Часть 2. Практикум_ Предсказание энергопотребления зданий/017 Интерполяция и экстраполяция.mp4 46MB
  116. 11 Практикум_ Логистическая регрессия и опорные векторы/049 Логистическая регрессия.mp4 45MB
  117. 11 Практикум_ Логистическая регрессия и опорные векторы/051 SVM.mp4 42MB
  118. 13 Практикум_ Решающие деревья и ансамбли бэггинга и бустинга/065 Бустинг с XGBoost.mp4 30MB
  119. 21 Практикум_ Архитектуры нейронных сетей/external-assets-links.txt 542B
  120. 17 Практикум_ Распознавание формы облаков/external-assets-links.txt 498B
  121. 11 Практикум_ Логистическая регрессия и опорные векторы/external-assets-links.txt 462B
  122. 19 Практикум_ Сверточные нейросети/external-assets-links.txt 461B
  123. 03 Часть 2. Практикум_ Предсказание энергопотребления зданий/external-assets-links.txt 410B
  124. 04 Практикум_ Оптимизация памяти и обогащение данных/external-assets-links.txt 381B
  125. 15 Практикум_ Ансамбль стекинга и финальное решение/external-assets-links.txt 366B
  126. 07 Практикум_ Ансамбль линейной регрессии/external-assets-links.txt 349B
  127. 09 Практикум_ Задача страхового скоринга/external-assets-links.txt 348B
  128. 06 Практикум_ Конкурентные модели регрессии/external-assets-links.txt 312B
  129. 13 Практикум_ Решающие деревья и ансамбли бэггинга и бустинга/external-assets-links.txt 290B
  130. 22 Практикум_ нейросети для сегментации/external-assets-links.txt 104B