Курс по машинному обучению от сообщества OpenDataScience
1. Pandas
2. Визуализация
3. Классификация, деревья решений
4. Логистическая регрессия
5. Случайный лес
6. Регрессия, работа с признаками
Ссылка на плейлист: https://www.youtube.com/watch?v=dEFxoyJhm3Y&list=PLZSPcxXPEZVoaCDSEtrrSq2i_ewYqrzZE
#data_analysis
1. Pandas
2. Визуализация
3. Классификация, деревья решений
4. Логистическая регрессия
5. Случайный лес
6. Регрессия, работа с признаками
Ссылка на плейлист: https://www.youtube.com/watch?v=dEFxoyJhm3Y&list=PLZSPcxXPEZVoaCDSEtrrSq2i_ewYqrzZE
#data_analysis
YouTube
Лекция 1. Pandas. Открытый курс OpenDataScience по машинному обучению mlcourse.ai
For lectures in English, check out this playlist https://bit.ly/2zY6Xe2
То же видео, но с улучшенным звуком https://youtu.be/OAy96yiWohk (Denis Cera, Oleg Butko)
В 1 лекции мы обсудим курс и попрактикуемся в первичном анализе данных с помощью библиотеки…
То же видео, но с улучшенным звуком https://youtu.be/OAy96yiWohk (Denis Cera, Oleg Butko)
В 1 лекции мы обсудим курс и попрактикуемся в первичном анализе данных с помощью библиотеки…
10 рецептов машинного обучения от разработчиков Google
В десяти коротких видеоуроках курса машинного обучения от разработчиков Google рассмотрены приемы Machine Learning для начинающих аналитиков данных.
https://proglib.io/p/google-ml-recipes/
#data_analysis
В десяти коротких видеоуроках курса машинного обучения от разработчиков Google рассмотрены приемы Machine Learning для начинающих аналитиков данных.
https://proglib.io/p/google-ml-recipes/
#data_analysis
Библиотека программиста
10 рецептов машинного обучения от разработчиков Google
В десяти коротких видеоуроках курса машинного обучения от разработчиков Google рассмотрены приемы Machine Learning для начинающих аналитиков данных.
Обучение без учителя: 4 метода кластеризации данных на Python
Описаны четыре популярных метода обучения без учителя для кластеризации данных с соответствующими примерами программного кода на Python.
https://proglib.io/p/unsupervised-ml-with-python/
#python #data_analysis
Описаны четыре популярных метода обучения без учителя для кластеризации данных с соответствующими примерами программного кода на Python.
https://proglib.io/p/unsupervised-ml-with-python/
#python #data_analysis
Библиотека программиста
Обучение без учителя: 4 метода кластеризации данных на Python
Описаны четыре популярных метода обучения без учителя для кластеризации данных с соответствующими примерами программного кода на Python.
8 лучших ресурсов для самостоятельного изучения Machine Learning
Ян Лекун, директор AI Research в Facebook и профессор Нью-Йоркского университета, раскрывает секреты успешного самообучения в сфере Machine Learning.
https://proglib.io/p/machine-learning-ai/
#data_analysis
Ян Лекун, директор AI Research в Facebook и профессор Нью-Йоркского университета, раскрывает секреты успешного самообучения в сфере Machine Learning.
https://proglib.io/p/machine-learning-ai/
#data_analysis
Библиотека программиста
8 лучших ресурсов для самостоятельного изучения Machine Learning
Ян Лекун, директор AI Research в Facebook и профессор Нью-Йоркского университета, раскрывает секреты успешного самообучения в сфере Machine Learning.
ТОП-10 мировых публикаций по машинному обучению за апрель 2018
Рассмотрено содержание 10 лучших публикаций по машинному обучению – верхушки ранжированного списка англоязычных работ, вышедших за предыдущий месяц.
https://proglib.io/p/ml-april-2018/
#data_analysis #digest
Рассмотрено содержание 10 лучших публикаций по машинному обучению – верхушки ранжированного списка англоязычных работ, вышедших за предыдущий месяц.
https://proglib.io/p/ml-april-2018/
#data_analysis #digest
Библиотека программиста
ТОП-10 мировых публикаций по машинному обучению за апрель 2018
Рассмотрено содержание 10 лучших публикаций по машинному обучению – верхушки ранжированного списка англоязычных работ, вышедших за предыдущий месяц.
Учебный план по освоению глубокого обучения и нейросетей за 6 недель
https://proglib.io/p/deep-learning-in-6-weeks/
#data_analysis
https://proglib.io/p/deep-learning-in-6-weeks/
#data_analysis
Библиотека программиста
Учебный план освоения глубокого обучения и нейросетей за 6 недель
План освоения глубокого обучения на базе открытых источников крупных университетов, статей и видеороликов специалистов анализа данных.
Как анализировать данные с Python библиотеками Pandas и Numpy
https://www.youtube.com/watch?v=lLf6Qt6wSJ8
#python #data_analysis
https://www.youtube.com/watch?v=lLf6Qt6wSJ8
#python #data_analysis
YouTube
Как анализировать данные с Python библиотеками Pandas и Numpy [GeekBrains]
Начни карьеру с бесплатного курса "Основы программирования" https://goo.gl/jTP4nP
Анализ данных с Python библиотеками Pandas и Numpy.
Подписывайся на наш канал и смотри новые видео первым: https://www.youtube.com/progliveru
Проходи бесплатные курсы: h…
Анализ данных с Python библиотеками Pandas и Numpy.
Подписывайся на наш канал и смотри новые видео первым: https://www.youtube.com/progliveru
Проходи бесплатные курсы: h…
Искусственный интеллект и рост вычислительных мощностей
https://proglib.io/p/ai-and-compute/
#data_analysis
https://proglib.io/p/ai-and-compute/
#data_analysis
Библиотека программиста
Искусственный интеллект и рост вычислительных мощностей
Кратко рассмотрен анализ компании OpenAI относительно основных закономерностей роста вычислительных мощностей в области ИИ.
Python для Data Science: 8 понятий, которые важно помнить
https://proglib.io/p/python-data-science/
#data_analysis #python
https://proglib.io/p/python-data-science/
#data_analysis #python
Библиотека программиста
Python для Data Science: 8 понятий, которые важно помнить
В последнее время использование Python для Data Science стало популярным, и мы подготовили памятку с темами, которые полезно знать.
Советы по глубокому обучению: распознавание объектов в 10 строк
https://proglib.io/p/deep-learning-advice/
#python #data_analysis
https://proglib.io/p/deep-learning-advice/
#python #data_analysis
Библиотека программиста
Советы по глубокому обучению: распознавание объектов в 10 строк
<ins datetime="2018-07-08T07:35:08+00:00">Редакция Библиотеки программиста подготовила советы по глубокому обучению на примере компьютерного зрения и распознавания объектов.
Наглядно объясняем операцию свертки в моделях глубокого обучения
https://proglib.io/p/convolution/
#data_analysis #algorithms
https://proglib.io/p/convolution/
#data_analysis #algorithms
Библиотека программиста
Наглядно объясняем операцию свертки в моделях глубокого обучения
При помощи анимированных изображений и визуализаций слоев CNN-сетей раскрываем широко применяемое в моделях глубокого обучения понятие свертки.
This media is not supported in your browser
VIEW IN TELEGRAM
Шпаргалки по машинному и глубокому обучению
Ссылка на репозиторий: http://github.com/kailashahirwar/cheatsheets-ai
#data_analysis
Ссылка на репозиторий: http://github.com/kailashahirwar/cheatsheets-ai
#data_analysis
7 нетривиальных советов и трюков для глубокого обучения
https://proglib.io/p/deep-learning-tricks/
#data_analysis
https://proglib.io/p/deep-learning-tricks/
#data_analysis
Библиотека программиста
7 трюков для глубокого обучения, о которых вы не знали
Неочевидные приемы для глубокого обучения, сокращающие время выполнения моделей и повышающие точность их результатов. Код прилагается.
5 идей для мощных проектов по машинному обучению для начинающих
https://proglib.io/p/ml-projects/
#data_analysis
https://proglib.io/p/ml-projects/
#data_analysis
Библиотека программиста
5 мощных проектов по машинному обучению для начинающих
В этой статье мы расскажем о пяти идеях, используя которые вы сможете реализовать действительно хорошие проекты по машинному обучению.
NLP – это весело! Обработка естественного языка на Python
https://proglib.io/p/fun-nlp/
#data_analysis #python
https://proglib.io/p/fun-nlp/
#data_analysis #python
Анализ данных на R в примерах и задачах
1. Нейронные сети. Теоретические результаты
2. Нейронные сети в регрессионных задачах
3. Примеры решения задач Machine Learning с помощью нейронных сетей. Часть 1
4. Примеры решения задач Machine Learning с помощью нейронных сетей. Часть 2
5. Нейронные сети. Представление о DeepLearning
6. Регуляризация. Назначение и примеры использования
7. SVD разложение (Singular Value Decomposition)
8. XGboost
9. Кейс: подготовка данных для анализа
10. Ядерные оценка плотности. Непараметрическая регрессия
11. Совместный (conjoint) анализ
Ссылка на плейлист: https://www.youtube.com/watch?v=orgXajB6z58&list=PLlb7e2G7aSpTh7pQG8ek1Uv5-zatv84vY
#data_analysis
1. Нейронные сети. Теоретические результаты
2. Нейронные сети в регрессионных задачах
3. Примеры решения задач Machine Learning с помощью нейронных сетей. Часть 1
4. Примеры решения задач Machine Learning с помощью нейронных сетей. Часть 2
5. Нейронные сети. Представление о DeepLearning
6. Регуляризация. Назначение и примеры использования
7. SVD разложение (Singular Value Decomposition)
8. XGboost
9. Кейс: подготовка данных для анализа
10. Ядерные оценка плотности. Непараметрическая регрессия
11. Совместный (conjoint) анализ
Ссылка на плейлист: https://www.youtube.com/watch?v=orgXajB6z58&list=PLlb7e2G7aSpTh7pQG8ek1Uv5-zatv84vY
#data_analysis
YouTube
Лекция 1. Нейронные сети. Теоретические результаты
Модель нейрона. Активационная функция. Сети прямого распространения. Архитектура нейронной сети. Коннективизм. Обучение нейронной сети. Обратное распространение ошибки. Метод скорейшего спуска. Эпохи и batch'и. Инициализация нейронной сети. Пример: задача…
FeatureSelector: отбор признаков для машинного обучения на Python
https://proglib.io/p/feature-selector/
#python #data_analysis
https://proglib.io/p/feature-selector/
#python #data_analysis
Мультиклассовая классификация текстов с MLlib и PySpark
https://proglib.io/p/multi-class-classification
#python #data_analysis
https://proglib.io/p/multi-class-classification
#python #data_analysis
Машинное Обучение
#data_analysis #novice
1. Введение в машинное обучение
2. Методы обработки данных. Задача классификации
3. Линейные модели
4. Отбор признаков и понижение размерности
5. Решающие деревья и ансамбли. Градиентный бустинг
6. Кластеризация
https://www.youtube.com/playlist?list=PL0Ks75aof3Ti5IBKAD4234VkMVnI4ecky
#data_analysis #novice
1. Введение в машинное обучение
2. Методы обработки данных. Задача классификации
3. Линейные модели
4. Отбор признаков и понижение размерности
5. Решающие деревья и ансамбли. Градиентный бустинг
6. Кластеризация
https://www.youtube.com/playlist?list=PL0Ks75aof3Ti5IBKAD4234VkMVnI4ecky