[Udemy] Машинное обучение - выделение факторов на Python (2021)

1. 3. Линейные модели/1. Метод максимального правдоподобия.mp4 344.89 MB
2. 3. Линейные модели/6. Линейная регрессия и L1L2-регуляризация.mp4 311.85 MB
3. 2. Часть 1. Процесс машинного обучения/4. Подготовка данных.mp4 292.25 MB
4. 5. Часть 2. Линейное выделение факторов/1. Линейная регрессия для понижения размерности.mp4 287.12 MB
5. 2. Часть 1. Процесс машинного обучения/6. Оптимизация гиперпараметров.mp4 279.97 MB
6. 7. Часть 3. Матричные подходы/2. Сингулярное разложение (SVD).mp4 278.98 MB
7. 4. Решающие деревья и ансамбли/1. Ансамблевые модели.mp4 257.81 MB
8. 4. Решающие деревья и ансамбли/5. Ансамбль стекинга.mp4 243.80 MB
9. 2. Часть 1. Процесс машинного обучения/7. Недообучение и переобучение.mp4 241.49 MB
10. 9. Часть 4. Нелинейные подходы/3. t-SNE.mp4 238.64 MB
11. 2. Часть 1. Процесс машинного обучения/8. Смещение, разброс и ошибка данных.mp4 234.09 MB
12. 4. Решающие деревья и ансамбли/2. Дерево принятия решения.mp4 227.36 MB
13. 6. Исследование ожидаемой продолжительности жизни/1. Ожидаемая продолжительность жизни.mp4 224.87 MB
14. 5. Часть 2. Линейное выделение факторов/3. Правило локтя и GMM BIC.mp4 222.60 MB
15. 2. Часть 1. Процесс машинного обучения/5. Разбиение выборки.mp4 217.17 MB
16. 4. Решающие деревья и ансамбли/4. Сверхслучайные деревья.mp4 202.63 MB
17. 5. Часть 2. Линейное выделение факторов/4. Оберточные методы.mp4 199.73 MB
18. 5. Часть 2. Линейное выделение факторов/5. Взаимная информация.mp4 188.66 MB
19. 3. Линейные модели/5. Метрики и расстояния.mp4 181.58 MB
20. 5. Часть 2. Линейное выделение факторов/2. Выделение факторов с помощью деревьев решений.mp4 181.20 MB
21. 6. Исследование ожидаемой продолжительности жизни/4. Корреляция данных.mp4 166.47 MB
22. 2. Часть 1. Процесс машинного обучения/3. Что такое EDA.mp4 160.07 MB
23. 6. Исследование ожидаемой продолжительности жизни/5. Важность признаков.mp4 153.48 MB
24. 10. Стабилизация выделения факторов/1. Многомерное шкалирование.mp4 151.39 MB
25. 8. Выделение факторов с помощью матриц/1. Метод главных компонент.mp4 149.73 MB
26. 3. Линейные модели/4. Среднеквадратичная ошибка.mp4 145.48 MB
27. 6. Исследование ожидаемой продолжительности жизни/2. Заполнение пропусков экстраполяцией.mp4 138.16 MB
28. 9. Часть 4. Нелинейные подходы/1. Многомерное шкалирование (MDS).mp4 137.69 MB
29. 4. Решающие деревья и ансамбли/3. Случайный лес.mp4 137.29 MB
30. 2. Часть 1. Процесс машинного обучения/2. Что такое ETL.mp4 134.07 MB
31. 7. Часть 3. Матричные подходы/4. Анализ независимых компонент (ICA).mp4 129.91 MB
32. 3. Линейные модели/2. Метод наименьших квадратов.mp4 128.11 MB
33. 9. Часть 4. Нелинейные подходы/4. UMAP.mp4 127.42 MB
34. 3. Линейные модели/3. Аппроксимация пропусков в данных.mp4 127.39 MB
35. 9. Часть 4. Нелинейные подходы/2. Расстояние Кульбака-Лейблера.mp4 122.38 MB
36. 9. Часть 4. Нелинейные подходы/5. LargeVis.mp4 121.79 MB
37. 6. Исследование ожидаемой продолжительности жизни/3. Согласованность данных.mp4 117.49 MB
38. 3. Линейные модели/7. BIC и AIC.mp4 116.30 MB
39. 8. Выделение факторов с помощью матриц/4. Матричная факторизация.mp4 102.50 MB
40. 8. Выделение факторов с помощью матриц/3. Независимые компоненты.mp4 99.60 MB
41. 7. Часть 3. Матричные подходы/1. Метод главных компонент (PCA).mp4 90.32 MB
42. 7. Часть 3. Матричные подходы/3. Принцип максимума энтропии.mp4 76.34 MB
43. 8. Выделение факторов с помощью матриц/2. Сингулярное разложение.mp4 69.55 MB
44. 1. Введение/2. Задачи машинного обучения.mp4 61.98 MB
45. 2. Часть 1. Процесс машинного обучения/1. Модель и процесс машинного обучения.mp4 37.95 MB
46. 1. Введение/3. Обучение без учителя.mp4 34.57 MB
47. 1. Введение/1. Приветствие.mp4 27.75 MB
48. 10. Стабилизация выделения факторов/rosstat.csv 162 KB
49. 10. Стабилизация выделения факторов/3.txt 1 KB
50. 10. Стабилизация выделения факторов/3.1.txt 0 KB