Slurm, Слёрм - Data Science - введение в машинное обучение (2024)

Creation Time	Aug. 23, 2025, 3:32 p.m.
Last Access Time	March 30, 2026, 5:40 p.m.
File Size	8.4 GB
Keywords	машинное Slurm - 2024 введение обучение в Science Слёрм Data
Total Requests	7357
Total Files	506
Magnet Link	Please wait ...
	Download (Magnet Link) Play (Watch Online)

15 Заключение/01 проект2-nlp/проект2-nlp/rich_cards_big_dump.train.jsonl 962.1 MB
15 Заключение/01 проект2-nlp/проект2-nlp/rich_cards_big_dump.test.jsonl 375.8 MB
15 Заключение/01 проект2-nlp/проект2-nlp/rich_cards_big_dump.unknown.jsonl 374.0 MB
15 Заключение/02 ml-10m/ml-10M100K/ratings.dat 252.8 MB
06 Обучение с учителем - Классификация/5. Практика/01 Обучим логистическую регрессию.mp4 195.5 MB
11 Введение в глубокое обучение (DL + CV)/09 Сверточные нейронные сети в PyTorch. Transfer learning & fine-tuning.mp4 166.6 MB
11 Введение в глубокое обучение (DL + CV)/04 Нейронные сети на PyTorch.mp4 160.4 MB
07 Деревья решений/2. Деревья решений/05 Практическая демонстрация.mp4 141.5 MB
09 Оптимизация ML пайплайна/5. ML Pipeline/03 AutoML на примере PyCaret.mp4 122.3 MB
04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/03 One-hot encoding.mp4 116.9 MB
08 Обучение без учителя/1. Задача кластеризации/15 Демонстрация инструментов кластеризации.mp4 112.9 MB
04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/03 Масштабирование.mp4 109.9 MB
09 Оптимизация ML пайплайна/5. ML Pipeline/02 ML-пайплайны в scikit-learn.mp4 107.2 MB
13 Введение в рекомендательные системы (RecSys)/06 Практическая демонстрация.mp4 104.6 MB
05 Обучение с учителем - Регрессия/8. Практика/01 Практическая демонстрация.mp4 100.1 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/08 Практическая демонстрация.mp4 91.5 MB
14 ML System Design/05.1 Пример дизайна — прогноз спроса.mp4 91.0 MB
08 Обучение без учителя/2. Задача понижения размерности/03 Практическая демонстрация.mp4 90.3 MB
08 Обучение без учителя/2. Задача понижения размерности/05 Практическая демонстрация.mp4 90.3 MB
02 Анализ данных/3. Приемы анализа данных - cводные показатели/03 Сводные показатели. Часть 2.mp4 90.0 MB
09 Оптимизация ML пайплайна/4. Оптимизация гиперпараметров/03 Hyperopt.mp4 87.5 MB
08 Обучение без учителя/3. Быстрый поиск ближайших соседей/01 Поиск ближайших соседей.mp4 86.8 MB
12 Введение в обработку текстов (NLP)/08 Классификация текстов. Практическая демонстрация.mp4 81.0 MB
02 Анализ данных/4. Приемы анализа данных - визуализация/01 Библиотека matplotlib.mp4 78.5 MB
04 Валидация модели и подготовка данных/2. Валидация модели/10 Методы кросс-валидации из библиотеки sklearn.mp4 78.1 MB
07 Деревья решений/4. Бустинг/07 Практическая демонстрация. Часть 1. Введение.mp4 76.3 MB
02 Анализ данных/4. Приемы анализа данных - визуализация/03 одномерный анализ.mp4 72.7 MB
06 Обучение с учителем - Классификация/3. Многоклассовая классификация/01 Многоклассовая классификация.mp4 71.9 MB
09 Оптимизация ML пайплайна/4. Оптимизация гиперпараметров/02 Использование инструментов поиска гиперпараметра.mp4 70.9 MB
14 ML System Design/04.1 Пример дизайна — оптимизация маркетинга.mp4 70.3 MB
01 Введение в машинное обучение/5. Библиотека Pandas/03 Библиотека Pandas. Операции над таблицами.mp4 66.0 MB
04 Валидация модели и подготовка данных/2. Валидация модели/01 Переобучение, недообучение.mp4 65.8 MB
11 Введение в глубокое обучение (DL + CV)/03 Обучение нейронных сетей. Оптимизаторы.mp4 65.0 MB
09 Оптимизация ML пайплайна/3. Метамодели/02 Блендинг и стекинг. Часть 1.mp4 64.8 MB
13 Введение в рекомендательные системы (RecSys)/01 Рекомендательные системы.mp4 64.2 MB
02 Анализ данных/4. Приемы анализа данных - визуализация/05 многомерный анализ.mp4 63.9 MB
06 Обучение с учителем - Классификация/2. Метрики качества классификации/03 Оценки качества по скорам модели.mp4 63.3 MB
03 Постановка задачи машинного обучения на примере kNN/7. Практика/01 Разбираем задачу на примере kNN.mp4 62.9 MB
06 Обучение с учителем - Классификация/1. Логистическая регрессия/01 Логистическая регрессия.mp4 62.6 MB
08 Обучение без учителя/2. Задача понижения размерности/02 Метод главных компонент.mp4 62.1 MB
01 Введение в машинное обучение/4. Библиотека NumPy/01 Библиотека NumPy. Создание массивов.mp4 60.5 MB
05 Обучение с учителем - Регрессия/5. Регуляризация линейных моделей/01 Регуляризация.mp4 57.1 MB
01 Введение в машинное обучение/4. Библиотека NumPy/05 Библиотека NumPy. Индексация в массивах.mp4 56.6 MB
07 Деревья решений/2. Деревья решений/03 Детали алгоритма.mp4 55.7 MB
04 Валидация модели и подготовка данных/2. Валидация модели/03 Дизайны оценки качества.mp4 55.4 MB
11 Введение в глубокое обучение (DL + CV)/06 Сверточная нейронная сеть (CNN).mp4 53.7 MB
05 Обучение с учителем - Регрессия/4. Алгоритм градиентного спуска/01 Алгоритм градиентного спуска.mp4 53.0 MB
08 Обучение без учителя/1. Задача кластеризации/12 Метрики качества.mp4 52.1 MB
01 Введение в машинное обучение/4. Библиотека NumPy/03 Библиотека NumPy. Операции над массивами.mp4 52.0 MB
09 Оптимизация ML пайплайна/4. Оптимизация гиперпараметров/01 Оптимизация гиперпараметров.mp4 51.6 MB
06 Обучение с учителем - Классификация/2. Метрики качества классификации/01 Метрики качества.mp4 51.4 MB
12 Введение в обработку текстов (NLP)/06 Машинный перевод.mp4 49.5 MB
11 Введение в глубокое обучение (DL + CV)/02 Математическая модель нейрона. Нейронная сеть.mp4 49.1 MB
01 Введение в машинное обучение/3. Настройка рабочего окружения/01 Настраиваем рабочее окружение.mp4 47.9 MB
04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/07 Нелинейные трансформации.mp4 46.8 MB
02 Анализ данных/2. Качество данных и типы данных/01 Качество и типы данных.mp4 46.3 MB
07 Деревья решений/4. Бустинг/09 Практическая демонстрация. Часть 4. Отбор признаков и анализ модели.mp4 46.0 MB
08 Обучение без учителя/1. Задача кластеризации/01 Кластеризация.mp4 45.9 MB
12 Введение в обработку текстов (NLP)/02 Классические методы NLP.mp4 45.6 MB
data_scientist-main/module07/homework/data/train.csv 44.5 MB
14 ML System Design/02.2 Декомпозиция ML-проекта.mp4 44.3 MB
14 ML System Design/03 ML System Design.mp4 43.5 MB
09 Оптимизация ML пайплайна/3. Метамодели/03 Блендинг и стекинг. Часть 2.mp4 43.4 MB
12 Введение в обработку текстов (NLP)/04 Word2Vec и FastText.mp4 43.0 MB
14 ML System Design/02.1 ML-проект.mp4 42.5 MB
07 Деревья решений/4. Бустинг/13 Практическая демонстрация. Часть 3. Eval feature.mp4 42.3 MB
05 Обучение с учителем - Регрессия/2. Линейная регрессия/01 Линейная регрессия.mp4 41.5 MB
02 Анализ данных/3. Приемы анализа данных - cводные показатели/01 Сводные показатели. Часть 1.mp4 41.2 MB
05 Обучение с учителем - Регрессия/3. Аналитическое решение/01 Аналитическое решение.mp4 39.8 MB
12 Введение в обработку текстов (NLP)/03 Предобработка текстов. Практическая демонстрация.mp4 38.8 MB
03 Постановка задачи машинного обучения на примере kNN/4. Взвешенный алгоритм k-ближайших соседей/01 Улучшения алгоритма kNN.mp4 38.5 MB
09 Оптимизация ML пайплайна/2. Target encoding/01 Target encoding.mp4 37.8 MB
08 Обучение без учителя/1. Задача кластеризации/03 Алгоритм K-means.mp4 36.6 MB
13 Введение в рекомендательные системы (RecSys)/04.2 Матричная факторизация.mp4 35.7 MB
01 Введение в машинное обучение/5. Библиотека Pandas/01 Библиотека Pandas. Типы данных библиотеки.mp4 35.6 MB
09 Оптимизация ML пайплайна/5. ML Pipeline/01 ML-Pipeline.mp4 34.9 MB
05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/01 Метрики качества.mp4 34.4 MB
11 Введение в глубокое обучение (DL + CV)/05 Computer vision. Машинное представление изображения. Операции с изображениями.mp4 34.2 MB
11 Введение в глубокое обучение (DL + CV)/08 Эффективные свертки, Inception. Глубокие сверточные сети, ResNet.mp4 33.8 MB
13 Введение в рекомендательные системы (RecSys)/04.3 Нейросетевые модели.mp4 33.5 MB
15 Заключение/01 проект2-nlp/проект2-nlp/submission_sample.csv 32.3 MB
03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/03 Постановка задачи машинного обучения.mp4 32.2 MB
09 Оптимизация ML пайплайна/3. Метамодели/04 Блендинг и стекинг. Часть 3.mp4 32.1 MB
08 Обучение без учителя/1. Задача кластеризации/09 Алгоритм DBSCAN.mp4 31.3 MB
09 Оптимизация ML пайплайна/3. Метамодели/01 Метамодели.mp4 30.9 MB
15 Заключение/01 проект2-nlp/проект2-nlp/submission_test.csv 30.2 MB
04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/05 Обработка выборосов.mp4 29.8 MB
01 Введение в машинное обучение/4. Библиотека NumPy/07 Библиотека NumPy. Дополнительные операции.mp4 29.3 MB
08 Обучение без учителя/2. Задача понижения размерности/01 Проклятие размерности.mp4 29.0 MB
04 Валидация модели и подготовка данных/3. Подготовка данных. Пропущенные значения/01 Пропущенные значения.mp4 29.0 MB
03 Постановка задачи машинного обучения на примере kNN/3. Алгоритм k-ближайших соседей/01 Алгоритм kNN.mp4 29.0 MB
13 Введение в рекомендательные системы (RecSys)/02 Задача ранжирования.mp4 29.0 MB
04 Валидация модели и подготовка данных/2. Валидация модели/05 Подбор гиперпараметров.mp4 28.5 MB
08 Обучение без учителя/2. Задача понижения размерности/04 t-SNE и UMAP.mp4 28.3 MB
12 Введение в обработку текстов (NLP)/05 Языковые модели.mp4 28.1 MB
13 Введение в рекомендательные системы (RecSys)/03 Метрики ранжирования.mp4 28.1 MB
01 Введение в машинное обучение/2. Цикл разработки модели и специалисты в сфере анализа данных/01 Цикл разработки моделей.mp4 27.8 MB
03 Постановка задачи машинного обучения на примере kNN/5. Виды расстояний и проблемы метода k-ближайших соседей/01 Подбор гиперпараметров kNN.mp4 27.8 MB
12 Введение в обработку текстов (NLP)/01 NLP. Примеры задач.mp4 27.2 MB
11 Введение в глубокое обучение (DL + CV)/07 ImageNet. Alexnet, VGG.mp4 27.1 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/03 Бэггинг.mp4 26.5 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/06 Random Forest.mp4 25.7 MB
04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/07 Frequency encoding.mp4 24.9 MB
01 Введение в машинное обучение/1. Введение. Структура курса/03 Акутализация темы и структура курса.mp4 24.2 MB
11 Введение в глубокое обучение (DL + CV)/10 Итоги.mp4 23.7 MB
07 Деревья решений/4. Бустинг/05 Практическая демонстрация AdaBoost.mp4 22.7 MB
13 Введение в рекомендательные системы (RecSys)/04.1 Memory-based подход.mp4 22.4 MB
08 Обучение без учителя/1. Задача кластеризации/06 Иерархическая кластеризация.mp4 22.4 MB
07 Деревья решений/4. Бустинг/01 Бустинг.mp4 22.1 MB
14 ML System Design/06 Итоги.mp4 21.1 MB
07 Деревья решений/4. Бустинг/03 Градиентный бустинг.mp4 19.6 MB
07 Деревья решений/4. Бустинг/11 Практическая демонстрация. Часть 2. Early Stopping и визуализация обучения.mp4 19.5 MB
04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/01 Численные признаки.mp4 18.2 MB
09 Оптимизация ML пайплайна/6. Итоги/01 Итоги.mp4 18.2 MB
04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/05 Label Encoding.mp4 18.0 MB
04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/01 Категориальные признаки.mp4 17.8 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/01 Ансамблирование алгоритмов.mp4 16.6 MB
04 Валидация модели и подготовка данных/6. Итоги/01 Итоги темы.mp4 16.3 MB
03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/01 Глоссарий.mp4 15.8 MB
13 Введение в рекомендательные системы (RecSys)/05 Проблемы рекомендательных систем.mp4 14.2 MB
02 Анализ данных/5. Итоги/01 Итоги темы.mp4 14.0 MB
12 Введение в обработку текстов (NLP)/07 Transfer Learning в LLM.mp4 13.1 MB
07 Деревья решений/2. Деревья решений/01 Введение.mp4 11.9 MB
08 Обучение без учителя/1. Задача кластеризации/16 Конспект.pdf 11.8 MB
data_scientist-main/module07/homework/data/test.csv 11.2 MB
04 Валидация модели и подготовка данных/1. Введение/01 Введение.mp4 10.6 MB
02 Анализ данных/1. Введение/01 Зачем Data Scientist’у анализ данных.mp4 9.0 MB
06 Обучение с учителем - Классификация/4. Итоги/01 Итоги темы.mp4 8.6 MB
05 Обучение с учителем - Регрессия/5. Регуляризация линейных моделей/02 Конспект.pdf 8.4 MB
07 Деревья решений/2. Деревья решений/07 Плюсы и минусы дерева решений.mp4 8.1 MB
02 Анализ данных/4. Приемы анализа данных - визуализация/06 Конспект.pdf 7.8 MB
03 Постановка задачи машинного обучения на примере kNN/4. Взвешенный алгоритм k-ближайших соседей/02 Конспект.pdf 7.3 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/09 Конспект.pdf 7.0 MB
07 Деревья решений/5. Итоги/01 Итоги.mp4 6.8 MB
08 Обучение без учителя/1. Задача кластеризации/02 Конспект.pdf 6.6 MB
06 Обучение с учителем - Классификация/5. Практика/02 Конспект.pdf 6.0 MB
08 Обучение без учителя/1. Задача кластеризации/10 Конспект.pdf 5.7 MB
01 Введение в машинное обучение/3. Настройка рабочего окружения/02 Текстовая расшифровка.pdf 5.3 MB
07 Деревья решений/2. Деревья решений/06 Конспект.pdf 4.8 MB
02 Анализ данных/4. Приемы анализа данных - визуализация/04 Конспект.pdf 4.1 MB
08 Обучение без учителя/2. Задача понижения размерности/08 Конспект.pdf 3.9 MB
data_scientist-main/module07/workshop/lesson-03-step-03-part-02.ipynb 3.9 MB
01 Введение в машинное обучение/4. Библиотека NumPy/04 Конспект.pdf 3.9 MB
01 Введение в машинное обучение/5. Библиотека Pandas/04 Конспект.pdf 3.8 MB
08 Обучение без учителя/1. Задача кластеризации/04 Конспект.pdf 3.6 MB
05 Обучение с учителем - Регрессия/8. Практика/02 Конспект.pdf 3.6 MB
04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/08 Конспект.pdf 3.5 MB
06 Обучение с учителем - Классификация/2. Метрики качества классификации/04 Конспект.pdf 3.5 MB
07 Деревья решений/4. Бустинг/08 Конспект.pdf 3.5 MB
15 Заключение/02 ml-10m/ml-10M100K/tags.dat 3.4 MB
04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/04 Конспект.pdf 3.4 MB
01 Введение в машинное обучение/4. Библиотека NumPy/06 Конспект.pdf 3.3 MB
01 Введение в машинное обучение/1. Введение. Структура курса/02 Как учиться.pdf 3.2 MB
02 Анализ данных/3. Приемы анализа данных - cводные показатели/04 Конспект.pdf 3.2 MB
02 Анализ данных/4. Приемы анализа данных - визуализация/02 Конспект.pdf 3.0 MB
07 Деревья решений/4. Бустинг/12 Конспект.pdf 2.9 MB
06 Обучение с учителем - Классификация/1. Логистическая регрессия/02 Конспект.pdf 2.8 MB
04 Валидация модели и подготовка данных/2. Валидация модели/02 Конспект.pdf 2.7 MB
01 Введение в машинное обучение/4. Библиотека NumPy/02 Конспект.pdf 2.7 MB
04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/04 Конспект.pdf 2.7 MB
08 Обучение без учителя/2. Задача понижения размерности/07 Конспект.pdf 2.6 MB
07 Деревья решений/4. Бустинг/14 Конспект.pdf 2.5 MB
04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/02 Конспект.pdf 2.5 MB
07 Деревья решений/4. Бустинг/10 Конспект.pdf 2.5 MB
06 Обучение с учителем - Классификация/2. Метрики качества классификации/02 Конспект.pdf 2.5 MB
04 Валидация модели и подготовка данных/2. Валидация модели/11 Конспект.pdf 2.4 MB
07 Деревья решений/2. Деревья решений/04 Конспект.pdf 2.4 MB
08 Обучение без учителя/1. Задача кластеризации/13 Конспект.pdf 2.3 MB
03 Постановка задачи машинного обучения на примере kNN/7. Практика/02 Конспект.pdf 2.3 MB
05 Обучение с учителем - Регрессия/4. Алгоритм градиентного спуска/02 Конспект.pdf 2.2 MB
03 Постановка задачи машинного обучения на примере kNN/5. Виды расстояний и проблемы метода k-ближайших соседей/02 Конспект.pdf 2.2 MB
05 Обучение с учителем - Регрессия/2. Линейная регрессия/02 Конспект.pdf 2.1 MB
08 Обучение без учителя/1. Задача кластеризации/07 Конспект.pdf 2.1 MB
data_scientist-main/module08/workshop/pca_demo.ipynb 2.1 MB
04 Валидация модели и подготовка данных/2. Валидация модели/04 Конспект.pdf 2.0 MB
02 Анализ данных/3. Приемы анализа данных - cводные показатели/02 Конспект.pdf 2.0 MB
03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/04 Конспект.pdf 1.9 MB
data_scientist-main/module07/workshop/lesson-01-step-03.ipynb 1.9 MB
data_scientist-main/module07/workshop/lesson-02-step-04.ipynb 1.8 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/10 Итоги урока.mp4 1.8 MB
01 Введение в машинное обучение/4. Библиотека NumPy/08 Конспект.pdf 1.8 MB
07 Деревья решений/4. Бустинг/04 Конспект.pdf 1.8 MB
05 Обучение с учителем - Регрессия/3. Аналитическое решение/02 Конспект.pdf 1.8 MB
data_scientist-main/module02/workshop/lesson02-matplotlib.ipynb 1.8 MB
data_scientist-main/module08/homework/6M-0K-99K.users.dataset.public.csv.gz 1.8 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/04 Конспект.pdf 1.7 MB
01 Введение в машинное обучение/5. Библиотека Pandas/02 Конспект.pdf 1.7 MB
02 Анализ данных/5. Итоги/03 Дополнительные материалы.pdf 1.7 MB
data_scientist-main/module08/workshop/cluster_demo.ipynb 1.7 MB
data_scientist-main/module08/workshop/cluster_mnist.ipynb 1.6 MB
05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/02 Конспект.pdf 1.6 MB
03 Постановка задачи машинного обучения на примере kNN/3. Алгоритм k-ближайших соседей/02 Конспект.pdf 1.6 MB
01 Введение в машинное обучение/1. Введение. Структура курса/04 Вводное занятие.pdf 1.6 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/02 Конспект.pdf 1.5 MB
08 Обучение без учителя/2. Задача понижения размерности/02 Метод главных компонент.pdf 1.5 MB
02 Анализ данных/3. Приемы анализа данных - cводные показатели/03 Сводные показатели. Часть 2.pdf 1.5 MB
06 Обучение с учителем - Классификация/3. Многоклассовая классификация/02 Конспект.pdf 1.5 MB
02 Анализ данных/4. Приемы анализа данных - визуализация/03 одномерный анализ.pdf 1.5 MB
data_scientist-main/module07/homework/data/macro.csv 1.5 MB
02 Анализ данных/4. Приемы анализа данных - визуализация/05 многомерный анализ.pdf 1.5 MB
02 Анализ данных/2. Качество данных и типы данных/02 Конспект.pdf 1.5 MB
06 Обучение с учителем - Классификация/3. Многоклассовая классификация/01 Многоклассовая классификация.pdf 1.5 MB
05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/01 Метрики качества.pdf 1.5 MB
06 Обучение с учителем - Классификация/2. Метрики качества классификации/01 Метрики качества.pdf 1.5 MB
08 Обучение без учителя/2. Задача понижения размерности/04 t-SNE и UMAP.pdf 1.5 MB
04 Валидация модели и подготовка данных/2. Валидация модели/01 Переобучение, недообучение.pdf 1.5 MB
13 Введение в рекомендательные системы (RecSys)/04.3 Нейросетевые модели.pdf 1.5 MB
13 Введение в рекомендательные системы (RecSys)/04.2 Матричная факторизация.pdf 1.5 MB
08 Обучение без учителя/3. Быстрый поиск ближайших соседей/01 Поиск ближайших соседей.pdf 1.5 MB
09 Оптимизация ML пайплайна/5. ML Pipeline/02 ML-пайплайны в scikit-learn.pdf 1.5 MB
09 Оптимизация ML пайплайна/4. Оптимизация гиперпараметров/02 Использование инструментов поиска гиперпараметра.pdf 1.5 MB
06 Обучение с учителем - Классификация/2. Метрики качества классификации/03 Оценки качества по скорам модели.pdf 1.4 MB
04 Валидация модели и подготовка данных/2. Валидация модели/03 Дизайны оценки качества.pdf 1.4 MB
11 Введение в глубокое обучение (DL + CV)/05 Computer vision. Машинное представление изображения. Операции с изображениями.pdf 1.4 MB
01 Введение в машинное обучение/2. Цикл разработки модели и специалисты в сфере анализа данных/02 Конспект.pdf 1.4 MB
09 Оптимизация ML пайплайна/4. Оптимизация гиперпараметров/01 Оптимизация гиперпараметров.pdf 1.4 MB
02 Анализ данных/3. Приемы анализа данных - cводные показатели/01 Сводные показатели. Часть 1.pdf 1.4 MB
08 Обучение без учителя/1. Задача кластеризации/06 Иерархическая кластеризация.pdf 1.4 MB
03 Постановка задачи машинного обучения на примере kNN/4. Взвешенный алгоритм k-ближайших соседей/01 Улучшения алгоритма kNN.pdf 1.4 MB
05 Обучение с учителем - Регрессия/2. Линейная регрессия/01 Линейная регрессия.pdf 1.4 MB
11 Введение в глубокое обучение (DL + CV)/02 Математическая модель нейрона. Нейронная сеть.pdf 1.4 MB
05 Обучение с учителем - Регрессия/5. Регуляризация линейных моделей/01 Регуляризация.pdf 1.4 MB
data_scientist-main/module06/additional_notes/theme06-imbalanced-classification.ipynb 1.4 MB
13 Введение в рекомендательные системы (RecSys)/04.1 Memory-based подход.pdf 1.4 MB
08 Обучение без учителя/2. Задача понижения размерности/01 Проклятие размерности.pdf 1.4 MB
08 Обучение без учителя/1. Задача кластеризации/01 Кластеризация.pdf 1.4 MB
13 Введение в рекомендательные системы (RecSys)/01 Рекомендательные системы.pdf 1.4 MB
03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/03 Постановка задачи машинного обучения.pdf 1.4 MB
04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/06 Конспект.pdf 1.4 MB
13 Введение в рекомендательные системы (RecSys)/02 Задача ранжирования.pdf 1.4 MB
01 Введение в машинное обучение/2. Цикл разработки модели и специалисты в сфере анализа данных/01 Цикл разработки моделей.pdf 1.4 MB
data_scientist-main/module13/workshop/recsys.ipynb 1.4 MB
06 Обучение с учителем - Классификация/1. Логистическая регрессия/01 Логистическая регрессия.pdf 1.4 MB
13 Введение в рекомендательные системы (RecSys)/03 Метрики ранжирования.pdf 1.4 MB
data_scientist-main/module05/homework/eta-prediction-data.csv.gz 1.4 MB
08 Обучение без учителя/1. Задача кластеризации/03 Алгоритм K-means.pdf 1.4 MB
06 Обучение с учителем - Классификация/4. Итоги/01 Итоги темы.pdf 1.4 MB
08 Обучение без учителя/1. Задача кластеризации/12 Метрики качества.pdf 1.4 MB
11 Введение в глубокое обучение (DL + CV)/03 Обучение нейронных сетей. Оптимизаторы.pdf 1.4 MB
11 Введение в глубокое обучение (DL + CV)/08 Эффективные свертки, Inception. Глубокие сверточные сети, ResNet.pdf 1.4 MB
04 Валидация модели и подготовка данных/2. Валидация модели/05 Подбор гиперпараметров.pdf 1.4 MB
04 Валидация модели и подготовка данных/2. Валидация модели/06 Конспект.pdf 1.4 MB
07 Деревья решений/4. Бустинг/06 Конспект.pdf 1.4 MB
12 Введение в обработку текстов (NLP)/04 Word2Vec и FastText.pdf 1.4 MB
02 Анализ данных/1. Введение/01 Зачем Data Scientist’у анализ данных.pdf 1.4 MB
03 Постановка задачи машинного обучения на примере kNN/5. Виды расстояний и проблемы метода k-ближайших соседей/01 Подбор гиперпараметров kNN.pdf 1.4 MB
14 ML System Design/02.2 Декомпозиция ML-проекта.pdf 1.4 MB
13 Введение в рекомендательные системы (RecSys)/02 Тест.pdf 1.4 MB
08 Обучение без учителя/1. Задача кластеризации/09 Алгоритм DBSCAN.pdf 1.4 MB
14 ML System Design/04.1 Пример дизайна — оптимизация маркетинга.pdf 1.4 MB
13 Введение в рекомендательные системы (RecSys)/06 Практическая демонстрация.pdf 1.4 MB
11 Введение в глубокое обучение (DL + CV)/09 Сверточные нейронные сети в PyTorch. Transfer learning & fine-tuning.pdf 1.4 MB
01 Введение в машинное обучение/1. Введение. Структура курса/03 Акутализация темы и структура курса.pdf 1.4 MB
14 ML System Design/05.1 Пример дизайна — прогноз спроса.pdf 1.4 MB
05 Обучение с учителем - Регрессия/3. Аналитическое решение/01 Аналитическое решение.pdf 1.4 MB
04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/01 Численные признаки.pdf 1.4 MB
04 Валидация модели и подготовка данных/6. Итоги/01 Итоги темы.pdf 1.3 MB
04 Валидация модели и подготовка данных/3. Подготовка данных. Пропущенные значения/01 Пропущенные значения.pdf 1.3 MB
04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/01 Категориальные признаки.pdf 1.3 MB
11 Введение в глубокое обучение (DL + CV)/06 Сверточная нейронная сеть (CNN).pdf 1.3 MB
13 Введение в рекомендательные системы (RecSys)/05 Проблемы рекомендательных систем.pdf 1.3 MB
04 Валидация модели и подготовка данных/1. Введение/01 Введение.pdf 1.3 MB
03 Постановка задачи машинного обучения на примере kNN/3. Алгоритм k-ближайших соседей/01 Алгоритм kNN.pdf 1.3 MB
03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/01 Глоссарий.pdf 1.3 MB
11 Введение в глубокое обучение (DL + CV)/10 Итоги.pdf 1.3 MB
14 ML System Design/03 ML System Design.pdf 1.3 MB
09 Оптимизация ML пайплайна/6. Итоги/01 Итоги.pdf 1.3 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/01 Ансамблирование алгоритмов.pdf 1.3 MB
02 Анализ данных/5. Итоги/01 Итоги темы.pdf 1.3 MB
12 Введение в обработку текстов (NLP)/07 Transfer Learning в LLM.pdf 1.3 MB
07 Деревья решений/2. Деревья решений/03 Детали алгоритма.pdf 1.3 MB
09 Оптимизация ML пайплайна/3. Метамодели/01 Метамодели.pdf 1.3 MB
12 Введение в обработку текстов (NLP)/02 Классические методы NLP.pdf 1.3 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/03 Бэггинг.pdf 1.3 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/10 Итоги урока.pdf 1.3 MB
11 Введение в глубокое обучение (DL + CV)/07 ImageNet. Alexnet, VGG.pdf 1.3 MB
14 ML System Design/06 Итоги.pdf 1.3 MB
14 ML System Design/02.1 ML-проект.pdf 1.3 MB
12 Введение в обработку текстов (NLP)/06 Машинный перевод.pdf 1.3 MB
07 Деревья решений/5. Итоги/01 Итоги.pdf 1.3 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/06 Random Forest.pdf 1.3 MB
12 Введение в обработку текстов (NLP)/05 Языковые модели.pdf 1.3 MB
07 Деревья решений/2. Деревья решений/01 Введение.pdf 1.3 MB
09 Оптимизация ML пайплайна/2. Target encoding/01 Target encoding.pdf 1.3 MB
07 Деревья решений/4. Бустинг/01 Бустинг.pdf 1.3 MB
07 Деревья решений/2. Деревья решений/07 Плюсы и минусы дерева решений.pdf 1.3 MB
09 Оптимизация ML пайплайна/5. ML Pipeline/01 ML-Pipeline.pdf 1.2 MB
07 Деревья решений/2. Деревья решений/05 Практическая демонстрация.pdf 1.2 MB
12 Введение в обработку текстов (NLP)/01 NLP. Примеры задач.pdf 1.2 MB
08 Обучение без учителя/2. Задача понижения размерности/06 Тест.pdf 1.2 MB
07 Деревья решений/4. Бустинг/02 Конспект.pdf 1.2 MB
04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/05 Label Encoding.pdf 1.2 MB
08 Обучение без учителя/1. Задача кластеризации/15 Демонстрация инструментов кластеризации.pdf 1.2 MB
07 Деревья решений/4. Бустинг/03 Градиентный бустинг.pdf 1.2 MB
04 Валидация модели и подготовка данных/3. Подготовка данных. Пропущенные значения/02 Конспект.pdf 1.2 MB
11 Введение в глубокое обучение (DL + CV)/04 Нейронные сети на PyTorch.pdf 1.2 MB
09 Оптимизация ML пайплайна/4. Оптимизация гиперпараметров/03 Hyperopt.pdf 1.2 MB
04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/03 One-hot encoding.pdf 1.2 MB
04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/06 Конспект.pdf 1.2 MB
data_scientist-main/module05/workshop/linreg.ipynb 1.2 MB
08 Обучение без учителя/2. Задача понижения размерности/05 Практическая демонстрация.pdf 1.1 MB
05 Обучение с учителем - Регрессия/8. Практика/01 Практическая демонстрация.pdf 1.1 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/08 Практическая демонстрация.pdf 1.1 MB
12 Введение в обработку текстов (NLP)/03 Предобработка текстов. Практическая демонстрация.pdf 1.1 MB
06 Обучение с учителем - Классификация/5. Практика/01 Обучим логистическую регрессию.pdf 1.1 MB
09 Оптимизация ML пайплайна/3. Метамодели/04 Блендинг и стекинг. Часть 3.pdf 1.1 MB
01 Введение в машинное обучение/5. Библиотека Pandas/01 Типы данных библиотеки.pdf 1.1 MB
03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/02 Конспект.pdf 1.1 MB
08 Обучение без учителя/1. Задача кластеризации/08 Тест.pdf 1.1 MB
07 Деревья решений/4. Бустинг/13 Практическая демонстрация. Часть 3. Eval feature.pdf 1.1 MB
08 Обучение без учителя/2. Задача понижения размерности/03 Практическая демонстрация.pdf 1.1 MB
02 Анализ данных/4. Приемы анализа данных - визуализация/01 Библиотека matplotlib.pdf 1.1 MB
07 Деревья решений/1. Введение/01 О чем модуль.pdf 1.1 MB
08 Обучение без учителя/1. Задача кластеризации/05 Тест.pdf 1.1 MB
04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/05 Обработка выборосов.pdf 1.1 MB
09 Оптимизация ML пайплайна/5. ML Pipeline/03 AutoML на примере PyCaret.pdf 1.1 MB
09 Оптимизация ML пайплайна/3. Метамодели/03 Блендинг и стекинг. Часть 2.pdf 1.1 MB
01 Введение в машинное обучение/4. Библиотека NumPy/01 Создание массивов.pdf 1.1 MB
07 Деревья решений/4. Бустинг/11 Практическая демонстрация. Часть 2. Early Stopping и визуализация обучения.pdf 1.1 MB
07 Деревья решений/4. Бустинг/09 Практическая демонстрация. Часть 4. Отбор признаков и анализ модели.pdf 1.1 MB
04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/02 Конспект.pdf 1.1 MB
04 Валидация модели и подготовка данных/2. Валидация модели/10 Методы кросс-валидации из библиотеки sklearn.pdf 1.1 MB
03 Постановка задачи машинного обучения на примере kNN/7. Практика/01 Разбираем задачу на примере kNN.pdf 1.1 MB
09 Оптимизация ML пайплайна/3. Метамодели/02 Блендинг и стекинг. Часть 1.pdf 1.1 MB
04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/07 Frequency encoding.pdf 1.1 MB
08 Обучение без учителя/1. Задача кластеризации/14 Тест.pdf 1.1 MB
07 Деревья решений/4. Бустинг/05 Практическая демонстрация AdaBoost.pdf 1.1 MB
01 Введение в машинное обучение/5. Библиотека Pandas/03 Операции над таблицами.pdf 1.1 MB
04 Валидация модели и подготовка данных/4. Подготовка данных. Категориальные признаки/08 Конспект.pdf 1.1 MB
07 Деревья решений/4. Бустинг/07 Практическая демонстрация. Часть 1. Введение.pdf 1.1 MB
04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/03 Масштабирование.pdf 1.1 MB
12 Введение в обработку текстов (NLP)/08 Классификация текстов. Практическая демонстрация.pdf 1.0 MB
01 Введение в машинное обучение/4. Библиотека NumPy/05 Индексация в массивах.pdf 1.0 MB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/07 Конспект.pdf 1.0 MB
04 Валидация модели и подготовка данных/5. Подготовка данных. Численные признаки/07 Нелинейные трансформации.pdf 1.0 MB
01 Введение в машинное обучение/4. Библиотека NumPy/07 Дополнительные операции.pdf 1.0 MB
01 Введение в машинное обучение/4. Библиотека NumPy/03 Операции над массивами.pdf 1008.7 KB
14 ML System Design/01 Введение.pdf 996.0 KB
02 Анализ данных/6. Практика/03 Задания.pdf 984.8 KB
12 Введение в обработку текстов (NLP)/09 Итоги.pdf 967.2 KB
08 Обучение без учителя/4. Итоги/01 Итоги.pdf 962.5 KB
04 Валидация модели и подготовка данных/7. Практика/02 Задания.pdf 954.1 KB
05 Обучение с учителем - Регрессия/7. Итоги/01 Итоги.pdf 949.4 KB
13 Введение в рекомендательные системы (RecSys)/07 Итоги.pdf 939.2 KB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/05 Дополнительный материал.pdf 934.7 KB
07 Деревья решений/2. Деревья решений/02 Конспект.pdf 933.1 KB
data_scientist-main/module01/homework/01_numpy.ipynb 929.4 KB
07 Деревья решений/5. Итоги/12 Дополнительный материал.pdf 929.0 KB
09 Оптимизация ML пайплайна/7. Практика/01 Домашнее задание.pdf 882.3 KB
13 Введение в рекомендательные системы (RecSys)/01 Тест.pdf 865.1 KB
13 Введение в рекомендательные системы (RecSys)/04 Тест.pdf 853.5 KB
04 Валидация модели и подготовка данных/7. Практика/01 Построение моделей.pdf 845.6 KB
07 Деревья решений/6. Практика/02 Задание.pdf 827.5 KB
07 Деревья решений/6. Практика/03 Задание.pdf 824.8 KB
07 Деревья решений/6. Практика/01 Домашнее задание.pdf 824.4 KB
09 Оптимизация ML пайплайна/7. Практика/02 Задание.pdf 824.1 KB
data_scientist-main/module01/homework/orders.csv.gz 813.1 KB
15 Заключение/03 Финальный проект.pdf 808.6 KB
10 Итоговый проект/03 Финальный проект.pdf 790.0 KB
10 Итоговый проект/01 Финальный проект.pdf 778.1 KB
10 Итоговый проект/02 Финальный проект.pdf 775.1 KB
01 Введение в машинное обучение/3. Настройка рабочего окружения/01 Настраиваем рабочее окружение.pdf 770.0 KB
06 Обучение с учителем - Классификация/5. Практика/03 Домашнее задание.pdf 763.6 KB
02 Анализ данных/4. Приемы анализа данных - визуализация/12.pdf 761.6 KB
02 Анализ данных/5. Итоги/02 Конспект.pdf 749.6 KB
data_scientist-main/module11/workshop/imgs/fine-tunning.png 749.3 KB
06 Обучение с учителем - Классификация/5. Практика/04 Задание.pdf 747.9 KB
08 Обучение без учителя/1. Задача кластеризации/11 Тест.pdf 742.8 KB
02 Анализ данных/6. Практика/02 Датасет.pdf 735.7 KB
15 Заключение/01 Финальный проект.pdf 728.3 KB
05 Обучение с учителем - Регрессия/4. Алгоритм градиентного спуска/01 Алгоритм градиентного спуска.pdf 719.7 KB
03 Постановка задачи машинного обучения на примере kNN/7. Практика/03 Алгоритм k-ближайших соседей.pdf 719.3 KB
02 Анализ данных/6. Практика/01 Анализ датасета.pdf 718.3 KB
05 Обучение с учителем - Регрессия/8. Практика/03 Описание задания.pdf 718.1 KB
15 Заключение/02 Финальный проект.pdf 710.5 KB
06 Обучение с учителем - Классификация/4. Итоги/02 Конспект.pdf 705.4 KB
04 Валидация модели и подготовка данных/6. Итоги/02 Конспект.pdf 704.7 KB
08 Обучение без учителя/5. Практика/01 задания.pdf 701.9 KB
04 Валидация модели и подготовка данных/1. Введение/02 Конспект.pdf 685.3 KB
03 Постановка задачи машинного обучения на примере kNN/1. Введение/01 О чем модуль.pdf 681.9 KB
14 ML System Design/04.2 Работа с «холодными» абонентами.pdf 674.3 KB
01 Введение в машинное обучение/5. Библиотека Pandas/05 Домашнее задание.pdf 671.1 KB
data_scientist-main/module01/workshop/numpy.ipynb 669.1 KB
14 ML System Design/05.2 Что стоит использовать.pdf 664.6 KB
01 Введение в машинное обучение/4. Библиотека NumPy/09 задания.pdf 662.3 KB
data_scientist-main/module02/homework/data/Billionaires Statistics Dataset.csv 661.9 KB
02 Анализ данных/4. Приемы анализа данных - визуализация/07.pdf 659.6 KB
02 Анализ данных/2. Качество данных и типы данных/01 Качество и типы данных.pdf 659.4 KB
14 ML System Design/04.3 Feedback loop.pdf 658.6 KB
02 Анализ данных/4. Приемы анализа данных - визуализация/09.pdf 657.6 KB
14 ML System Design/05.4 Прогноз спроса для сезонных товаров.pdf 657.3 KB
02 Анализ данных/4. Приемы анализа данных - визуализация/10.pdf 657.1 KB
14 ML System Design/05.3 Проблема частично статичного вектора признаков.pdf 648.7 KB
01 Введение в машинное обучение/1. Введение. Структура курса/01 Введение.pdf 645.4 KB
02 Анализ данных/4. Приемы анализа данных - визуализация/08.pdf 641.8 KB
05 Обучение с учителем - Регрессия/1. Введение/01 О чем модуль.pdf 635.9 KB
07 Деревья решений/2. Деревья решений/08 Конспект.pdf 634.4 KB
02 Анализ данных/1. Введение/02 Конспект.pdf 631.3 KB
09 Оптимизация ML пайплайна/1. Введение/01 О чем модуль.pdf 628.2 KB
02 Анализ данных/4. Приемы анализа данных - визуализация/11.pdf 627.8 KB
04 Валидация модели и подготовка данных/2. Валидация модели/07.pdf 620.3 KB
04 Валидация модели и подготовка данных/2. Валидация модели/09.pdf 618.7 KB
07 Деревья решений/3. Ансамблирование алгоритмов. Bagging. Random Forest/11 Конспект.pdf 615.8 KB
data_scientist-main/module08/homework/cluster_practice.ipynb 612.0 KB
01 Введение в машинное обучение/6. Итоги/01 Итоги.pdf 607.4 KB
04 Валидация модели и подготовка данных/2. Валидация модели/08.pdf 607.2 KB
02 Анализ данных/3. Приемы анализа данных - cводные показатели/05.pdf 599.0 KB
02 Анализ данных/3. Приемы анализа данных - cводные показатели/10.pdf 598.6 KB
11 Введение в глубокое обучение (DL + CV)/01 Введение.pdf 598.3 KB
05 Обучение с учителем - Регрессия/3. Аналитическое решение/03.pdf 597.2 KB
07 Деревья решений/5. Итоги/11.pdf 596.9 KB
02 Анализ данных/3. Приемы анализа данных - cводные показатели/09.pdf 596.4 KB
07 Деревья решений/5. Итоги/10.pdf 593.3 KB
07 Деревья решений/5. Итоги/02 Конспект.pdf 592.4 KB
07 Деревья решений/5. Итоги/09.pdf 591.5 KB
02 Анализ данных/3. Приемы анализа данных - cводные показатели/06.pdf 588.9 KB
03 Постановка задачи машинного обучения на примере kNN/6. Итоги/01 Итоги.pdf 588.4 KB
02 Анализ данных/3. Приемы анализа данных - cводные показатели/08.pdf 586.8 KB
07 Деревья решений/5. Итоги/06.pdf 585.6 KB
07 Деревья решений/5. Итоги/05.pdf 585.6 KB
07 Деревья решений/5. Итоги/08.pdf 583.4 KB
07 Деревья решений/5. Итоги/07.pdf 583.3 KB
07 Деревья решений/5. Итоги/03.pdf 583.0 KB
03 Постановка задачи машинного обучения на примере kNN/5. Виды расстояний и проблемы метода k-ближайших соседей/03.pdf 581.8 KB
07 Деревья решений/5. Итоги/04.pdf 581.5 KB
04 Валидация модели и подготовка данных/6. Итоги/03 В этом модуле.pdf 578.0 KB
03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/07.pdf 576.0 KB
05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/05.pdf 574.4 KB
data_scientist-main/module04/workshop/lesson_03_numerical_features.ipynb 573.2 KB
05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/03.pdf 569.8 KB
02 Анализ данных/3. Приемы анализа данных - cводные показатели/07.pdf 567.5 KB
05 Обучение с учителем - Регрессия/5. Регуляризация линейных моделей/03.pdf 566.8 KB
03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/06.pdf 566.5 KB
06 Обучение с учителем - Классификация/2. Метрики качества классификации/05 Дополнительные материалы.pdf 564.9 KB
05 Обучение с учителем - Регрессия/5. Регуляризация линейных моделей/04.pdf 563.4 KB
03 Постановка задачи машинного обучения на примере kNN/2. Постановка задачи машинного обучения/05.pdf 561.9 KB
05 Обучение с учителем - Регрессия/4. Алгоритм градиентного спуска/03.pdf 561.3 KB
05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/04.pdf 558.4 KB
04 Валидация модели и подготовка данных/6. Итоги/04 Дополнительный материал.pdf 557.9 KB
05 Обучение с учителем - Регрессия/2. Линейная регрессия/03.pdf 555.9 KB
05 Обучение с учителем - Регрессия/6. Метрики качества регрессии/06.pdf 555.9 KB
data_scientist-main/module02/workshop/images/matplotlib.png 519.0 KB
15 Заключение/02 ml-10m/ml-10M100K/movies.dat 510.0 KB
data_scientist-main/module01/workshop/pandas.ipynb 487.3 KB
data_scientist-main/module02/workshop/data/train.csv 449.9 KB
data_scientist-main/module04/additional_notes/data/train.csv 449.9 KB
data_scientist-main/module04/homework/data/train.csv 449.9 KB
data_scientist-main/module04/workshop/data/train.csv 449.9 KB
data_scientist-main/module05/workshop/house_pricing_train.csv 449.9 KB
data_scientist-main/module07/additional_notes/data/train.csv 449.9 KB
data_scientist-main/module04/homework/data/test.csv 440.8 KB
data_scientist-main/module04/workshop/data/test.csv 440.8 KB
data_scientist-main/module04/additional_notes/imputation.jpg 391.9 KB
data_scientist-main/module03/workshop/knn.ipynb 375.6 KB
data_scientist-main/module06/workshop/demo6.ipynb 366.4 KB
data_scientist-main/module09/workshop/lesson-04-step-02.ipynb 335.1 KB
data_scientist-main/module06/workshop/data/train-icr.csv 328.7 KB
data_scientist-main/module08/workshop/cursedim_demo.ipynb 318.3 KB
data_scientist-main/module09/homework/Домашнее задание №9.docx 302.1 KB
data_scientist-main/module12/workshop/classification_text.ipynb 294.8 KB
data_scientist-main/module11/homework/Домашнее задание №11.docx 288.7 KB
data_scientist-main/module11/workshop/imgs/transfer-learning.jpg 270.0 KB
data_scientist-main/module04/additional_notes/theme04-additional-notes.ipynb 268.5 KB
data_scientist-main/module04/workshop/lesson_03_categorical_features.ipynb 206.6 KB
data_scientist-main/module04/workshop/images/ohe.jpg 200.8 KB
data_scientist-main/module11/workshop/lesson-04.ipynb 166.4 KB
data_scientist-main/module03/workshop/knn_demo.ipynb 165.8 KB
data_scientist-main/module09/workshop/lesson-05-step-02.ipynb 153.5 KB
data_scientist-main/module05/homework/linreg_practice.ipynb 151.1 KB
data_scientist-main/module09/workshop/lesson-05-step-03.ipynb 147.0 KB
data_scientist-main/module04/workshop/images/fe.jpg 142.9 KB
data_scientist-main/module11/workshop/lesson-05.ipynb 136.7 KB
data_scientist-main/module07/workshop/lesson-03-step-03-part-01.ipynb 104.9 KB
data_scientist-main/module04/workshop/images/le.png 101.7 KB
data_scientist-main/module03/homework/knn_practice.ipynb 77.3 KB
data_scientist-main/module09/workshop/lesson-03-step-02.ipynb 67.3 KB
data_scientist-main/module06/homework/data/train.csv 59.8 KB
data_scientist-main/module09/workshop/data/titanic-train.csv 59.8 KB
data_scientist-main/module05/workshop/linreg_demo.ipynb 59.0 KB
data_scientist-main/module07/additional_notes/additional-notes-03-random-trees-embedding.ipynb 36.9 KB
data_scientist-main/module04/workshop/lesson_03_cross_val.ipynb 35.6 KB
data_scientist-main/module01/workshop/cars_info.csv 33.9 KB
data_scientist-main/module04/workshop/data/sample_submission.csv 31.2 KB
data_scientist-main/module07/additional_notes/additional-notes-01-bootstrap.ipynb 30.7 KB
data_scientist-main/module07/additional_notes/additional-notes-02-extremely-randomized-trees.ipynb 28.6 KB
data_scientist-main/module03/homework/data/column_3C_weka.csv 25.6 KB
data_scientist-main/module07/homework/data/data_dictionary.txt 25.4 KB
data_scientist-main/module03/homework/data/column_2C_weka.csv 24.4 KB
data_scientist-main/module12/workshop/preprocessing_text.ipynb 22.5 KB
data_scientist-main/module01/homework/02_pandas.ipynb 20.8 KB
data_scientist-main/module04/workshop/data/data_description.txt 13.1 KB
15 Заключение/02 ml-10m/ml-10M100K/README.html 11.3 KB
data_scientist-main/module04/homework/hw4-template.ipynb 11.2 KB
data_scientist-main/module01/workshop/customers.csv 7.2 KB
data_scientist-main/module02/homework/hw2-template.ipynb 7.1 KB
data_scientist-main/module07/homework/hw7-template.ipynb 5.3 KB
data_scientist-main/module01/workshop/orders.csv 4.6 KB
data_scientist-main/module08/workshop/decathlon2.csv 4.5 KB
data_scientist-main/module06/homework/hw6-template.ipynb 4.1 KB
data_scientist-main/module09/homework/hw9-template.ipynb 3.8 KB
data_scientist-main/module11/homework/hw11_template.ipynb 3.2 KB
data_scientist-main/.gitignore 3.0 KB
data_scientist-main/module01/workshop/employees.csv 2.6 KB
15 Заключение/02 ml-10m/ml-10M100K/split_ratings.sh 1.3 KB
15 Заключение/02 ml-10m/ml-10M100K/allbut.pl 753 bytes
data_scientist-main/README.md 22 bytes

Slurm, Слёрм - Data Science - введение в машинное обучение (2024)

File List

Download Torrent

Related Resources

Copyright Infringement