• Урок 1. 02:32:53
    Базовые инструменты анализа данных в Python
  • Урок 2. 02:28:00
    Необходимые понятия из мат. анализа и линейной алгебры
  • Урок 3. 02:55:56
    Необходимые понятия из теории вероятности
  • Урок 4. 02:30:14
    Линейная регрессия
  • Урок 5. 02:09:02
    Визуализация
  • Урок 6. 01:52:37
    Обучение с учителем. Логистическая регрессия
  • Урок 7. 02:07:43
    Метод ближайших соседей (kNN)
  • Урок 8. 01:54:58
    kMeans, EM алгоритм
  • Урок 9. 02:04:32
    Feature engineering
  • Урок 10. 01:38:47
    Иерархическая кластеризация, DB-Scan
  • Урок 11. 01:30:47
    Обучение без учителя. Методы уменьшения размерности
  • Урок 12. 02:12:20
    Обучение с учителем. Деревья решений
  • Урок 13. 01:32:19
    Обучение с учителем. Ансамбли моделей
  • Урок 14. 01:25:45
    Градиентный бустинг
  • Урок 15. 01:25:49
    Обучение с учителем. Метод опорных векторов
  • Урок 16. 01:12:35
    Методы оптимизации
  • Урок 17. 01:27:32
    Поиск выбросов в данных
  • Урок 18. 01:28:01
    Анализ текстовых данных. Часть 1
  • Урок 19. 01:27:24
    Анализ текстовых данных. Часть 2. Тематическое моделирование
  • Урок 20. 01:29:53
    Рекомендательные системы
  • Урок 21. 01:21:13
    Анализ временных рядов
  • Урок 22. 01:27:03
    Алгоритмы на графах
  • Урок 23. 01:18:59
    АБ тестирование
  • Урок 24. 01:34:01
    Системы хранения данных
  • Урок 25. 01:25:02
    Простейшие нейронные сети и метод обратного распространения ошибки
  • Урок 26. 01:24:45
    Обучение нейронных сетей
  • Урок 27. 01:36:02
    Сверточные нейронные сети ч.1
  • Урок 28. 01:17:49
    Сверточные нейронные сети ч.2
  • Урок 29. 01:34:52
    Рекуррентные сети ч.1
  • Урок 30. 01:31:49
    Рекуррентные сети ч.2
  • Урок 31. 01:38:58
    Альтернативные архитектуры и подходы к построению сетей
  • Урок 32. 01:43:21
    Обучение с подкреплением
Этот материал находится в платной подписке. Оформи премиум подписку и смотри Data Scientist. 4 Части из 5, а также все другие курсы, прямо сейчас!
Премиум