Так у нас не все данные есть. Есть только сроки, заявляемые самими людьми, а вот уровень освоения материала мы не знаем. Если цель — закрыть все д/з и получить сертификаты, то да, тогда вполне можно

Думаю, от базы зависит

Для таких случаев я стараюсь после лекций записывать краткий конспект и разбивать неделю на пару дней)

Я посл время делаю перерывы между просмотром лекций и тестами, так гораздо очевиднее потом, что ты не уяснил

А что вообще катбуст может делать в течение 3х часов до момента обучения?

++

Честно говоря, Яндекс могли б и побольше логирования насыпать при фитинге.

Отличная стратегия. Правда, один раз после такой паузы я уже к специализации так и не вернулся, и продолжил обучаться по крупицам из разных других источников

если много категориальных то изи

Несколько есть, да. Я понимаю, что там энкодится всякое, судя по нагрузке на процессоры, но вот что конкретно и как долго ещё будет - загадка.

Ну это просто альтернатива, а не капитуляция)) а почему, формат разонравился?

Да нет, формат хороший. Просто как-то так сложилось

У меня была такая стратегия: смотрел несколько видео, затем их пересматривал на след день, затем читал конспект, потом этот конспект ещё раз читал через месяц. Тест решал через день- два после первого просмотра.

И пока не выстраивалась логика по материалу в голове, подходил снова и снова, старался не оставлять пробелов в понимании...

Проверьте, пожалуйста
C2W1 и C2W2
1) https://www.coursera.org/learn/supervised-learning/peer/bEMBK/linieinaia-rieghriessiia-i-osnovnyie-bibliotieki-python-dlia-analiza-dannykh-i/review/7IvNMbbxEeqWVwqO-2OnMw
2) https://www.coursera.org/learn/supervised-learning/peer/kfDUX/linieinaia-rieghriessiia-pierieobuchieniie-i-rieghuliarizatsiia/review/ojkJzrfXEeq6GwpElFAZ9Q

Тут нужна дисциплина настоящая)

Ребят, вопрос. Надо будет проводить небольшой воркшоп по введению в нс. Начинать по традиции будем с полносвязных сеток. Хотелось бы сконцентрироваться на разных тех деталях. Пока в голове набросались стандартные пункты:
1) архитектура сети
2) базовые функции активации (сигмоида/тангенс/релу/лики релу) и сравнение их между собой. Мол, почему сигмоида хуже тангенса и почему оба они уже практически полностью заменены релу (на наглядных мат примерах сможем так увидеть проблему затухающего градиента)
3) разбор бэкпропа
4) регуляризация в сетях (L2, dropout neuron, dropout connection)
5) батч нормализация
6) кратенький обзор других оптимизаторов (Adam, rmsprop), но без математики особой. Просто общая суть и что такое моментум

Подскажите, какие ещё аспекты можно в полносвязных обсудить? Заранее спасибо

Всем привет!
C1W4. Проверьте работу, пожалуйста✨
https://www.coursera.org/learn/mathematics-and-python/peer/4vN1n/tsientral-naia-priediel-naia-tieoriema-svoimi-rukami/review/J0fpCbn9Eeq8ng4JFcTRSw

✅

Спасибо большое)