2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/2.3. Джекнайф.mp4 25.4 MB
2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/3.3. Жадные стратегии.mp4 25.0 MB
2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.6. Пример использования Keras для решения задачи классификации.mp4 24.6 MB
2.1.3. Задача классификации. k-NN и наивный байесовский классификатор, логистическая регрессия, SVM, ДПР/4 6 Алгоритмы их оценка и разделение данных.mp4 24.4 MB
2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/3.7. Оценка стратегий. Оптимальные стратегии.mp4 23.5 MB
1.1.1. Введение в науку о данных, инструменты для обработки данных/2.3. Приемы работы с электронными таблицами.mp4 23.1 MB
1.1.1. Введение в науку о данных, инструменты для обработки данных/1.1. Анализ данных Основные понятия.mp4 22.5 MB
2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.3. Пример использования TensorFlow для решения задачи классификации.mp4 21.7 MB
2.1.5. Снижение размерности, ансамбли, обучение с подкреплением/3.5. Взаимодействие агента и окружающей среды.mp4 21.4 MB
2.2.2. Инструменты построения и обучения нейронных сетей, оптимизаторы/1.8. Optuna.mp4 21.4 MB
2.2.3. Сверточные нейронные сети/1.1. Свертки в нейронных сетях.mp4 21.4 MB
2.1.3. Задача классификации. k-NN и наивный байесовский классификатор, логистическая регрессия, SVM, ДПР/4 9 Построение классификатора.mp4 20.9 MB