17:08

Мультилейбл классификация с keras | Sigmoid или Softmax | НЕЙРОННЫЕ СЕТИ 9.2

17:34

Многоклассовая классификация с keras | Sigmoid или Softmax | НЕЙРОННЫЕ СЕТИ 9.1

49:06

Оптимизаторы нейронных сетей | SGD, RMSProp, Adam | keras.optimizers | НЕЙРОННЫЕ СЕТИ 8

21:43

Метод локтя для модели KMeans с нуля | К-средних | Elbow Method | KMeans часть 4 | МАШИННОЕ ОБУЧЕНИЕ

17:53

Реализация KMeans++ | Инициализация стартовых центроид | KMeans часть 3 | МАШИННОЕ ОБУЧЕНИЕ

21:56

Реализация модели KMeans с нуля | К-средних | KMeans часть 2 | МАШИННОЕ ОБУЧЕНИЕ

17:27

Модель кластеризации KMeans | К-средних | Метод локтя | KMeans часть 1 | МАШИННОЕ ОБУЧЕНИЕ

34:53

Регуляризация в Sklearn | L1, L2, Elastic Net | Lasso, Ridge, LogisticRegression | Машинное обучение

12:37

Регуляризация простыми словами | L1, L2, Elastic Net | Lasso, Ridge | Машинное обучение

36:43

Реализация модели Логистическая Регрессия | Logistic Regression | Линейная модель для классификации

19:58

Логистическая Регрессия | Logistic Regression | Линейная модель для классификации |МАШИННОЕ ОБУЧЕНИЕ

10:08

Что делать с переобучением | Методы борьбы с переобучением | МАШИННОЕ ОБУЧЕНИЕ

22:20

ПРАКТИКА SciKit-Learn | NaN, Null | Работа с пропусками в SkLearn | МАШИННОЕ ОБУЧЕНИЕ

30:23

ПРАКТИКА Pandas | NaN, Null | Работа с пропусками в Pandas | МАШИННОЕ ОБУЧЕНИЕ

14:14

NaN, Null | Что делать с пропусками? | Работа с пропусками | МАШИННОЕ ОБУЧЕНИЕ

29:12

Работа со строками в pandas | БИБЛИОТЕКА PANDAS 5 | МАШИННОЕ ОБУЧЕНИЕ

32:42

pd.pivot_table, pd.groupby, pd.crosstab | Группировки | БИБЛИОТЕКА PANDAS 4 | МАШИННОЕ ОБУЧЕНИЕ

19:14

pd.concat, pd.append, pd.merge, pd.join | БИБЛИОТЕКА PANDAS 3 | МАШИННОЕ ОБУЧЕНИЕ

22:17

pd.apply, pd.replace, pd.rename, pd.set_axis | БИБЛИОТЕКА PANDAS 2 | МАШИННОЕ ОБУЧЕНИЕ

30:28

ModelCheckpoint, ReduceLROnPlateau, EarlyStopping | Callbacks Keras | НЕЙРОННЫЕ СЕТИ 7

21:50

Boston Housing Dataset | Задача регрессии | Детали метода fit | НЕЙРОННЫЕ СЕТИ 6

21:05

Метод обратного распространения ошибки (практика) | Backpropagation | НЕЙРОННЫЕ СЕТИ 5.2

21:26

Метод обратного распространения ошибки | Backpropagation | Neural Networks (NN) | НЕЙРОННЫЕ СЕТИ 5.1

36:09

EDA, Разведочный и первичный анализ данных | Система рекомендаций | MATPLOTLIB, SEABORN, PANDAS

39:48

Функции активаций нейрона | Sigmoid, ReLU, Leaky ReLU, ELU | Neural Networks (NN) | НЕЙРОННЫЕ СЕТИ 4

34:36

EDA, Разведочный и первичный анализ данных | Система рекомендаций | MATPLOTLIB, SEABORN, PANDAS

35:42

Градиентный спуск на Keras и TF | Gradient Descent | Neural Networks (NN) | НЕЙРОННЫЕ СЕТИ 3

36:10

Первая нейронная сеть на Keras | Neural Networks (NN) | НЕЙРОННЫЕ СЕТИ 2

09:55

Введение в НЕЙРОННЫЕ СЕТИ (ИНС) | Neural Networks (NN) | НЕЙРОННЫЕ СЕТИ 1

23:45

Модель ВЗВЕШЕННЫЙ KNN | Weighted KNN, K-nearest neighbors | МАШИННОЕ ОБУЧЕНИЕ

14:05

МОДЕЛЬ K БЛИЖАЙШИХ СОСЕДЕЙ | KNN, K-nearest neighbors | МАШИННОЕ ОБУЧЕНИЕ

36:49

РЕАЛИЗАЦИЯ ЛИНЕЙНОЙ РЕГРЕССИИ | Линейная регрессия | LinearRegression | МАШИННОЕ ОБУЧЕНИЕ

21:37

StandardScaler| MinMaxScaler | МАСШТАБИРОВАНИЕ ДАННЫХ | МАШИННОЕ ОБУЧЕНИЕ

45:38

ВВЕДЕНИЕ В БИБЛИОТЕКУ PANDAS | МАШИННОЕ ОБУЧЕНИЕ

19:07

ДЕРЕВО РЕШЕНИЙ (DecisionTreeClassifier) | МАШИННОЕ ОБУЧЕНИЕ

34:23

ВВЕДЕНИЕ В БИБЛИОТЕКУ NUMPY | МАШИННОЕ ОБУЧЕНИЕ

11:58

ВВЕДЕНИЕ В GOOGLE COLAB | МАШИННОЕ ОБУЧЕНИЕ

11:56

КАК НЕ ПЕРЕОБУЧИТЬ ДЕРЕВО РЕШЕНИЙ Decision Tree | MAX DEPTH, MIN SAMPLES LEAF, MAX LEAF NODES

14:39

ROC-AUC, ROC-CURVE, ROC-КРИВАЯ | МЕТРИКИ КЛАССИФИКАЦИИ

36:31

КОД. EDA, РАЗВЕДОЧНЫЙ И ПЕРВИЧНЫЙ АНАЛИЗ ДАННЫХ | MATPLOTLIB, SEABORN

10:43

ТИПЫ ДАННЫХ В МАШИННОМ ОБУЧЕНИИ | НЕПРЕРЫВНЫЙ, ДИСКРЕТНЫЙ, НОМИНАТИВНЫЙ, КАЧЕСТВЕННЫЙ

11:18

КАК УСТРОЕН ПРОЕКТ МАШИННОГО ОБУЧЕНИЯ, ЭТАПЫ ПРОЕКТА МАШИННОГО ОБУЧЕНИЕ, ПРОЕКТ МЛ

11:38

ОБУЧЕНИЕ С УЧИТЕЛЕМ, ОБУЧЕНИЕ БЕЗ УЧИТЕЛЯ, ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ | ЗАДАЧИ МАШИННОГО ОБУЧЕНИЯ

14:39

PR-AUC, PR-CURVE, PR-КРИВАЯ, PRECISION RECALL КРИВАЯ | МЕТРИКИ КЛАССИФИКАЦИИ

32:41

EDA, РАЗВЕДОЧНЫЙ И ПЕРВИЧНЫЙ АНАЛИЗ ДАННЫХ | MATPLOTLIB, SEABORN

01:00:58

BAGGING, СЛУЧАЙНЫЙ ЛЕС, РАЗЛОЖЕНИЕ ОШИБКИ НА СМЕЩЕНИЕ (BIAS) И РАЗБРОС (VARIANCE). полная лекция

44:41

BAGGING, СЛУЧАЙНЫЙ ЛЕС, РАЗЛОЖЕНИЕ ОШИБКИ НА СМЕЩЕНИЕ(BIAS) И РАЗБРОС(VARIANCE). лекция без вопросов

19:16

MICRO, MACRO, WEIGHTED УСРЕДНЕНИЕ | ДЛЯ КАКИХ ЗАДАЧ | МЕТРИКИ КЛАССИФИКАЦИИ

11:03

F-SCORE, F1-SCORE, Fbeta-SCORE, F-МЕРА, F1-МЕРА, Fбета-МЕРА | МЕТРИКИ КЛАССИФИКАЦИИ

15:42

PRECISION, RECALL, CONFUSION MATRIX, ТОЧНОСТЬ, ПОЛНОТА, МАТРИЦА ОШИБОК | МЕТРИКИ КЛАССИФИКАЦИИ

10:11

ACCURACY | МЕТРИКИ КЛАССИФИКАЦИИ В МАШИННОМ ОБУЧЕНИИ

13:27

МЕТРИКИ РЕГРЕССИИ В МАШИННОМ ОБУЧЕНИИ | MAE, MSE, RMSE, R2, коэффициент детерминации.

12:26

ПЕРЕОБУЧЕНИЕ И НЕДООБУЧЕНИЕ В МАШИННОМ ОБУЧЕНИИ | overfitting, underfitting для регрессии

20:28

Как обучается дерево решений для регрессии. Decision Tree Regressor.

18:43

AINews june 2021 | Новости искусственного интеллекта ИИ за Июнь'21