Содержание пакета (5 курсов)
1. Pandas с нуля 4.70
Вводный модуль
5 уроков
1.
Введение
↗
2.
Series, DataFrame: Азы
↗
3.
Подробнее о DataFrame
↗
4.
Начало работы со статистикой
↗
5.
Мини-проверочная работа
↗
Фильтрация датафрейма
4 урока
1.
loc, iloc
↗
2.
Фильтрация по столбцам
↗
3.
Фильтрация по условию
↗
4.
Проверочная работа
↗
Работа с типами данных и пропущенными значениями
7 уроков
1.
Работа со строковыми данными - 1
↗
2.
Работа со строковыми данными - 2
↗
3.
Задачки на код по строкам
↗
4.
Работа с датой и временем - 1
↗
5.
Работа с датой и временем - 2
↗
6.
Пропущенные значения
↗
7.
Мини-проверочная работа
↗
Анализ данных, визуализация и прочие крутые штуки!
7 уроков
1.
Фуннкция groupby
↗
2.
Pivot
↗
3.
Функция where
↗
4.
Мини-проверочная работа
↗
5.
Визуализация
↗
6.
Конкатенация
↗
7.
Функция merge
↗
Итоговая проверочная работа
2 урока
1.
Часть 1
↗
2.
Часть 2
↗
Репетиторство
1 урок
1.
Мой контакт
↗
2. PyTorch: от тензоров до нейросетей и кастомных фреймворков🔥 3.67
Введение
4 урока
1.
Пререквизиты
↗
2.
Что такое PyTorch?
↗
3.
Установка PyTorch
↗
4.
Использование GPU
↗
Тензоры и операции с ними
6 уроков
1.
Тензоры
↗
2.
Форма входного тензора в CNN и карты признаков
↗
3.
Тензоры PyTorch
↗
4.
Операции с тензорами - 1
↗
5.
Операции с тензорами - 2
↗
6.
Практика
↗
Работа с данными
3 урока
1.
Fashion-MNIST
↗
2.
Извлечение, преобразование и загрузка (ETL)
↗
3.
Datasets и DataLoaders
↗
Создание нейронных сетей в PyTorch
10 уроков
1.
Создание нейронных сетей
↗
2.
Слои
↗
3.
Весовые коэффициенты
↗
4.
Линейные слои
↗
5.
Прямой проход
↗
6.
Реализация прямого прохода в CNN
↗
7.
Объяснение прямого распространения
↗
8.
Обработка пакетов
↗
9.
Выход CNN
↗
10.
Практика
↗
Обучение нейронных сетей в PyTorch
7 уроков
1.
Процесс обучения CNN
↗
2.
Цикл обучения CNN
↗
3.
Матрица ошибок
↗
4.
Конкатенация и Стекинг
↗
5.
TensorBoard
↗
6.
Гиперпараметры
↗
7.
Практика
↗
Экспериментация
11 уроков
1.
Run Builder
↗
2.
Оптимизация цикла обучения CNN
↗
3.
Тестирование DataLoader
↗
4.
Запуск на GPU
↗
5.
Нормализация данных
↗
6.
PyTorch Sequential
↗
7.
Нормализация батча
↗
8.
Сброс весов сети
↗
9.
Обучение нескольких сетей одновременно
↗
10.
Макс-пулинг
↗
11.
Практика
↗
Репетиторство
1 урок
1.
Мой контакт
↗
3. Tensorflow & Keras: нейронные сети на Python
Введение и настройка
3 урока
1.
Пререквизиты и введение
↗
2.
Поддержка GPU | CUDA
↗
3.
Обработка данных
↗
Создание и обучение нейронной сети
8 уроков
1.
Создание нейронной сети
↗
2.
Обучение нейронной сети
↗
3.
Практика на код №1
↗
4.
Валидационный набор
↗
5.
Прогнозирование
↗
6.
Матрица ошибок
↗
7.
Сохранение и загрузка модели
↗
8.
Практика на код №2
↗
CNN
5 уроков
1.
Подготовка изображений
↗
2.
Создание и обучение сверточной нейронной сети
↗
3.
Предсказание сверточной нейронной сети
↗
4.
Выполнение аугментации данных
↗
5.
Задачи на код
↗
Fine-tuning & Transfer Learning
6 уроков
1.
Создание дообученной нейронной сети
↗
2.
Обучение дообученной нейронной сети
↗
3.
Классификация изображений с MobileNet
↗
4.
Обработка изображений для дообученной MobileNet
↗
5.
Тонкая настройка MobileNet
↗
6.
Заключение
↗
Репетиторство
1 урок
1.
Мой контакт
↗
4. Машинное обучение с нуля на Python: scikit-learn, XGBoost + 4.73
Введение
5 уроков
1.
Что это такое?
↗
2.
Датасеты, библиотеки
↗
3.
Щупаем данные
↗
4.
Работа с пропусками
↗
5.
Уменьшение размерности
↗
Классические алгоритмы
9 уроков
1.
Разбиение данных
↗
2.
Создание модели
↗
3.
Простая линейная регрессия
↗
4.
Имплементация ЛР
↗
5.
Регуляризация: LASSO, RIDGE, etc.
↗
6.
kNN великий и ужасный
↗
7.
Линейная классификация
↗
8.
Логистическая регрессия
↗
9.
SVM
↗
Деревья, леса...
13 уроков
1.
Введения в деревья
↗
2.
Дерево решений
↗
3.
Ансамбли
↗
4.
Случайный лес
↗
5.
Градиентный бустинг
↗
6.
Классификация с GB
↗
7.
Регрессия с GB
↗
8.
Разновидности градиентного бустинга
↗
9.
XGBoost
↗
10.
LightGBM
↗
11.
CatBoost
↗
12.
Битва моделей
↗
13.
AdaBoost
↗
Обучение без учителя
7 уроков
1.
Кластеризация
↗
2.
K-Means
↗
3.
DBSCAN
↗
4.
Алгоритмы уменьшения размерности
↗
5.
PCA
↗
6.
t-SNE
↗
7.
Как вам курс?
↗
ML в недвижимости (проект)
6 уроков
1.
Постановка задачи
↗
2.
Исследование данных
↗
3.
Обработка данных
↗
4.
Модели деревьев
↗
5.
Линейные модели
↗
6.
Финал
↗
Репетиторство
1 урок
1.
Мой контакт
↗
5. Нейронные сети: Глубокое обучение с нуля 4.67
Глубокое обучение и нейронные сети
18 уроков
1.
Введение в нейронные сети
↗
2.
Перцептрон, сети, аппроксимация
↗
3.
Слои в НС
↗
4.
Функция активации
↗
5.
Экстракция признаков
↗
6.
Функция потерь
↗
7.
Обучение НС
↗
8.
Бэтчи и эпохи
↗
9.
Оптимизация, lr
↗
10.
Обратное распространение ошибки
↗
11.
Смещение
↗
12.
Обучаемые параметры
↗
13.
Данные
↗
14.
Переобучение и недообучение
↗
15.
Аугментация данных
↗
16.
Регуляризация
↗
17.
С учителем, без учителя, с половиной учителя?
↗
18.
Препроцессинг
↗
Компьютерное зрение
8 уроков
1.
Обработка изображений
↗
2.
Работа НС с изображениями
↗
3.
CNN
↗
4.
Как работает свертка (конволюция)?
↗
5.
Сверточные слои против полносвязных
↗
6.
Zero padding
↗
7.
Max pooling
↗
8.
Обучаемые параметры в CNN
↗
Дополнительные материалы
4 урока
1.
Transfer learning и fine-tuning
↗
2.
Проблема исчезающего градиента
↗
3.
Инициализация весов
↗
4.
Итоги
↗
Репетиторство
1 урок
1.
Мой контакт
↗