Этот материал находится в платной подписке. Оформи премиум подписку и смотри или слушай Специалист по компьютерному зрению дронов и нейросетям, а также все другие курсы, прямо сейчас!
Премиум
  • Урок 1. 00:03:24
    1.1.1 Intro
  • Урок 2. 00:07:08
    1.1.2 Введение в язык программирования Python
  • Урок 3. 00:29:40
    1.1.4 Переменные. Типы и структуры данных
  • Урок 4. 00:14:44
    1.1.5 Функции. Копирование объектов
  • Урок 5. 00:13:55
    1.1.6 Ввод и вывод данных. Форматирование. Работа с фа
  • Урок 6. 00:20:29
    1.1.8 Условный оператор. Циклы. Исключения
  • Урок 7. 00:10:38
    1.2.1 «Магические» методы
  • Урок 8. 00:14:34
    1.2.2 Функции и модули
  • Урок 9. 00:27:10
    1.2.4 Функциональное программирование
  • Урок 10. 00:18:36
    1.2.6 Типовые задачи с последовательностями
  • Урок 11. 00:12:52
    1.2.7 Среды разработки (IDE)
  • Урок 12. 00:08:19
    1.2.8 Введение в логирование
  • Урок 13. 00:26:57
    1.3.2 SymPy. Дифференцирование и Интегрирование
  • Урок 14. 00:16:58
    1.3.4 Линейные уравнения и матрицы. Нелинейны
  • Урок 15. 00:17:07
    1.3.5 Числовые типы данных в компьютере
  • Урок 16. 00:31:43
    1.3.6 NumPy. Стандартные операции линейной алгебры
  • Урок 17. 00:25:59
    1.3.8 Численные методы с использованием библи
  • Урок 18. 00:25:28
    1.4.1 Визуализация данных с помощью библиотеки Matplotlib
  • Урок 19. 00:24:12
    1.4.3 Seaborn как высокоуровневый интерфейс для рисования
  • Урок 20. 00:20:04
    1.4.4 Plotly — интерактивная библиотека построения графиков
  • Урок 21. 00:14:05
    1.4.5 Bokeh — библиотека интерактивных визуализаций
  • Урок 22. 00:09:08
    1.4.6 Обзор инструментов визуализации высокоразмерных данных
  • Урок 23. 00:35:57
    1.5.1 Работа с файлами различных форматов
  • Урок 24. 00:40:32
    1.5.2 Манипуляции со строками. Регуляр
  • Урок 25. 00:27:55
    1.5.3 Обработка данных с библиотекой Pandas
  • Урок 26. 00:26:39
    1.5.4 Основы работы с системами управлен
  • Урок 27. 00:13:30
    1.5.5 Основы статистического анализа. Регр
  • Урок 28. 00:24:34
    1.6.1 Взаимодействие с операционной систем
  • Урок 29. 00:22:50
    1.6.2 Работа с сетью в Python
  • Урок 30. 00:29:51
    1.6.3 Работа с веб-камерой в Python
  • Урок 31. 00:17:40
    1.6.4 Доступ к USB в Python
  • Урок 32. 00:07:46
    1.6.5 Система лицензирования
  • Урок 33. 00:04:40
    2.1.1 Введение
  • Урок 34. 00:09:54
    2.1.2 Понятие вектора и базовые операции над ним
  • Урок 35. 00:08:42
    2.1.3 Линейная комбинация и базис
  • Урок 36. 00:12:51
    2.1.4 Векторное и скалярное произведение векторов
  • Урок 37. 00:10:09
    2.1.5 Понятие матрицы и операции сложения и ум
  • Урок 38. 00:07:09
    2.1.6 Транспонирование, след, детерминант
  • Урок 39. 00:03:32
    2.1.7 Ранг матрицы
  • Урок 40. 00:06:50
    2.1.8 Обратная матрица, псевдообратная матрица
  • Урок 41. 00:07:13
    2.1.9 Комплексные числа, комплексные матрицы
  • Урок 42. 00:05:22
    2.2.1 Решение систем линейных алгебраических уравн
  • Урок 43. 00:04:10
    2.2.2 Ступенчатый вид матрицы
  • Урок 44. 00:07:23
    2.2.3 Четыре фундаментальных пространства. Ядро
  • Урок 45. 00:09:26
    2.2.4 Полное и частное решение при решении СЛАУ
  • Урок 46. 00:10:03
    2.2.5 Проекции
  • Урок 47. 00:06:35
    2.2.6 Метод наименьших квадратов
  • Урок 48. 00:13:12
    2.2.7 Формы представления позиций и ориентаций объ
  • Урок 49. 00:13:03
    2.2.8 Смена системы координат
  • Урок 50. 00:11:47
    2.2.9 Аффинное преобразование
  • Урок 51. 00:08:38
    2.3.1 Введение в математический анализ
  • Урок 52. 00:09:40
    2.3.2 Производные
  • Урок 53. 00:04:24
    2.3.3 Производные высших порядков
  • Урок 54. 00:06:37
    2.3.4 Интегралы
  • Урок 55. 00:08:20
    2.3.5 Частные производные. Матрица Якоби
  • Урок 56. 00:10:57
    2.3.6 Дифференциальные уравнения
  • Урок 57. 00:06:31
    2.4.1 Введение
  • Урок 58. 00:07:58
    2.4.2 Кинематика точки
  • Урок 59. 00:07:52
    2.4.3 Вращательное движение
  • Урок 60. 00:16:31
    2.4.4 Плоскопараллельное движение
  • Урок 61. 00:08:14
    2.4.5 Сложное движение
  • Урок 62. 00:08:38
    2.4.6 Аналитическое решение задач кинематики
  • Урок 63. 00:09:19
    2.4.7 Численная кинематика
  • Урок 64. 00:05:13
    2.5.1 Введение
  • Урок 65. 00:08:31
    2.5.2 Динамика точки для инерциальных систем
  • Урок 66. 00:12:32
    2.5.3 Динамика точки для неинерциальных систем
  • Урок 67. 00:05:24
    2.5.4 Основные методы решения задач динамики
  • Урок 68. 00:17:04
    2.5.5 Метод Ньютона — Эйлера
  • Урок 69. 00:13:57
    2.5.6 Метод Эйлера — Лагранжа
  • Урок 70. 00:06:35
    2.6.1 Введение
  • Урок 71. 00:07:00
    2.6.2 Случайная величина. Закон распределения
  • Урок 72. 00:05:26
    2.6.3 Стандартные виды распределений
  • Урок 73. 00:12:37
    2.6.4 Числовые характеристики
  • Урок 74. 00:06:38
    2.6.5 Многомерное распределение
  • Урок 75. 00:06:36
    2.6.6 События
  • Урок 76. 00:13:29
    2.6.7 Фильтр Маркова
  • Урок 77. 00:02:30
    3.1.1 Интро
  • Урок 78. 00:15:19
    3.1.2 Введение
  • Урок 79. 00:05:47
    3.1.3 Тенденции развития технологии компьютерно
  • Урок 80. 00:03:14
    3.1.4 Примеры применения компьютерного зрения в сх
  • Урок 81. 00:01:26
    3.1.5 Примеры применения компьютерного зр
  • Урок 82. 00:06:00
    3.1.6 Введение в нейронные сети
  • Урок 83. 00:06:53
    3.1.7 Обзор нейросетевых архитектур для ком
  • Урок 84. 00:08:13
    3.2.1 Классы решаемых задач, пост
  • Урок 85. 00:16:52
    3.2.2 Формализация задач детекции
  • Урок 86. 00:05:26
    3.2.3 Ограничения применени
  • Урок 87. 00:09:58
    3.3.1 Теоретические основы нейро
  • Урок 88. 00:11:22
    3.3.2 Мультиспектральная съёмка
  • Урок 89. 00:15:11
    3.3.3 Теоретические основы слоё
  • Урок 90. 00:18:15
    3.4.1 Основные параметры, слои
  • Урок 91. 00:12:03
    3.4.2 Основные параметры, слои
  • Урок 92. 00:17:44
    3.4.3 Показатели качества о
  • Урок 93. 00:13:43
    3.4.4 Показатели качества о
  • Урок 94. 00:13:24
    3.5.1 Оптимизация нейросетей, теория
  • Урок 95. 00:13:23
    3.5.2 Оптимизация нейросетей, те
  • Урок 96. 00:10:11
    3.5.3 Обучение нейросетей на примере
  • Урок 97. 00:06:04
    3.5.4 Обучение нейросетей на при
  • Урок 98. 00:12:30
    3.6.1 Настройка пайплайна обучения нейросетей
  • Урок 99. 00:06:07
    3.6.2 Приведение входных данных
  • Урок 100. 00:07:48
    3.6.3 Подбор оптимизатора и метрик
  • Урок 101. 00:05:21
    3.6.4 Loss-функции и их подбор
  • Урок 102. 00:07:46
    3.6.5 Модификация и адаптация кода
  • Урок 103. 00:05:16
    3.6.6 Аугментация данных при решении задач
  • Урок 104. 00:09:24
    3.6.7 Применение подходов Transfer learning
  • Урок 105. 00:16:20
    3.7.1 Настройка пайплайна обучения нейросетей
  • Урок 106. 00:07:21
    3.7.2 Приведение входных данных
  • Урок 107. 00:09:09
    3.7.3 Loss-функции и их подбор
  • Урок 108. 00:08:10
    3.7.4 Подбор оптимизатора для задач детекции
  • Урок 109. 00:07:16
    3.7.5 Модификация и адаптация кода
  • Урок 110. 00:05:50
    3.7.6 Аугментация данных при решении задач
  • Урок 111. 00:08:45
    3.7.7 Применение подходов Transfer learning
  • Урок 112. 00:12:19
    3.8.1 Пример сбора и разметки датасета
  • Урок 113. 00:10:00
    3.8.2 Подбор инструмента для сбора изображений
  • Урок 114. 00:11:00
    3.8.3 Основные инструменты разметки и работ
  • Урок 115. 00:10:13
    3.8.4 Выгрузка размеченных данных
  • Урок 116. 00:07:44
    3.8.5 Расчёт статистик полученной разметки
  • Урок 117. 00:15:33
    3.9.1 Планирование проектов
  • Урок 118. 00:12:00
    3.9.2 Методологии управления проектами
  • Урок 119. 00:09:05
    3.9.3 Особенности проектов deep learning