
-
Урок 1. 02:13:22Базовые инструменты анализа данных в Python
-
Урок 2. 02:00:25Вводная в математические операции
-
Урок 3. 02:01:41Визуализация
-
Урок 4. 02:05:36Линейная регрессия
-
Урок 5. 02:01:49Логистическая регрессия
-
Урок 6. 01:37:38KNN, наивный байес
-
Урок 7. 01:44:33kMeans, EM
-
Урок 8. 01:32:31Иерархическая кластеризация, DB-Scan
-
Урок 9. 01:41:10Feature engineering
-
Урок 10. 01:32:47Поиск выбросов в данных
-
Урок 11. 01:32:18Уменьшение размерности
-
Урок 12. 01:29:17Методы оптимизации
-
Урок 13. 01:55:24Деревья решений
-
Урок 14. 01:43:48Ансамбли моделей
-
Урок 15. 01:45:41Бустинг
-
Урок 16. 01:54:05SVM, Support vector machine
-
Урок 17. 02:03:06Анализ текстовых данных
-
Урок 18. 01:54:52Анализ текстовых данных 2
-
Урок 19. 01:42:07Рекомендательные системы
-
Урок 20. 01:39:12Временные ряды
-
Урок 21. 01:27:59Latent Dirichlet Allocation
-
Урок 22. 01:41:07Нейронные сети, часть 1
-
Урок 23. 01:40:43Нейронные сети, часть 2
-
Урок 24. 01:35:39Алгоритмы на графах
-
Урок 25. 02:03:34Процесс CRISP-DM. Выбор хранилища, запросы к базе
-
Урок 26. 01:20:57Vowpal Wabbit для обучения линейных моделей на одной машине
-
Урок 27. 00:16:32MapReduce на Java, Hadoop Streaming - MapReduce на Python, bash - 1
-
Урок 28. 00:52:00MapReduce на Java, Hadoop Streaming - MapReduce на Python, bash -2
-
Урок 29. 01:37:40Пайплайны. Способы выстроить поток задач, обеспечить выполнение. Отказоустойчивость, мониторинг
-
Урок 30. 01:40:08Слои данных для оптимизации процессов использования данных. Hive
-
Урок 31. 01:18:02Организация хранения данных для решения задач машинного обучения
-
Урок 32. 01:52:36Spark
-
Урок 33. 01:28:51Обзор решений для аналитики больших данных
Комментарии