Содержание курса
1. Повторение основ языка Python
6 уроков
689
542
34м
0
Закрытый
1.1
О курсе
↗
335
335
1м 2с
0
Закрытый
1.2
Инструменты для работы
↗
121
66
1м 21с
0
Закрытый
1.3
Повторение основных структур данных языка Python
↗
82
54
4м 29с
0
Закрытый
1.4
Повторение условного оператора if и циклов for и while
↗
61
29
13м 44с
0
Закрытый
1.5
Повторение функций в Python
↗
45
27
13м 3с
0
Закрытый
1.6
Повторение особенностей создания классов и объектов
↗
45
31
1м 6с
0
2. Основы библиотек NumPy и Matplotlib
3 урока
133
90
8м
0
Закрытый
2.1
Основы библиотеки NumPy
↗
51
32
3м 26с
0
Закрытый
2.2
Важные функции линейной алгебры в NumPy
↗
42
31
2м 38с
0
Закрытый
2.3
Основы библиотеки Matplotlib
↗
40
27
3м 14с
0
3. Основы классического машинного обучения
3 урока
117
90
5м
0
Закрытый
3.1
Основные идеи классического машинного обучения
↗
41
30
2м 54с
0
Закрытый
3.2
О библиотеке Sklearn
↗
39
30
1м 16с
0
Закрытый
3.3
Решение задачи линейной регрессии
↗
37
30
2м 14с
0
4. Основы теории нейронных сетей
6 уроков
189
124
10м
0
Закрытый
4.1
Математическая модель искусственного нейрона
↗
43
14
3м 9с
0
Закрытый
4.2
Вычислительный процесс одного нейрона
↗
16
13
3м 44с
0
Закрытый
4.3
Основные функции активации, используемые в нейронных сетях
↗
29
26
1м 52с
0
Закрытый
4.4
Методы оптимизации и функции потерь в нейронных сетях
↗
31
23
1м 41с
0
Закрытый
4.5
Алгоритм решения задач с помощью нейронных сетей
↗
34
25
1м 10с
0
Закрытый
4.6
Пример использования Keras для решения задачи регрессии
↗
36
23
2м 38с
0