Size: a a a

Machine learning

2021 January 20

N

Nurtau in Machine learning
K-S
Ахахаха) ну и аватарка
это мотивация)
источник

ИД

Илья Дагиль... in Machine learning
Nurtau
Добрый день, кто нибудь может в лс помочь с операциями над numpy array?
Могу посоветовать где можно хорошо понять numpy
источник

K

K-S in Machine learning
Nurtau
это мотивация)
Так сразу Воронцова или Ветрова поставь😂
источник

N

Nurtau in Machine learning
Илья Дагиль
Могу посоветовать где можно хорошо понять numpy
Буду рад
источник

N

Nurtau in Machine learning
K-S
Так сразу Воронцова или Ветрова поставь😂
пошел гуглить)))
источник

AO

Alex Ololo in Machine learning
ыы
источник

ИД

Илья Дагиль... in Machine learning
Канал Техносфера, плэйлист введение в анализ данных
источник

i

igor in Machine learning
Это что
источник

ИД

Илья Дагиль... in Machine learning
YouTube
2. Библиотека Numpy. Курс "ВВЕДЕНИЕ В АНАЛИЗ ДАННЫХ" | Технострим
Лекция №2 "Библиотека Numpy". Курс "Введение в анализ данных"
Техносфера Mail.ru Group, МГУ им. М.В. Ломоносова  
Другие лекции этого курса: http://bit.ly/2P7ZUaD

📝 ПОДРОБНЕЕ О КУРСЕ:
Описание и программа: http://bit.ly/2JbZnRw
Короткое видео о курсе: https://youtu.be/c_jihi3MuOU

Цель курса — познакомить слушателей с сферой анализа данных, основными инструментами, задачами и методами, с которыми сталкивается исследователь данных в работе.

👨‍🎓 ВМЕСТЕ С ЭТИМ КУРСОМ РЕКОМЕНДУЕМ ИЗУЧИТЬ:
Курс "Data Mining" http://bit.ly/35PScYM
Курс "Углубленное программирование на C/С++" http://bit.ly/2P82k9d
Курс "Алгоритмы и структуры данных" http://bit.ly/1QP7zVq

#анализданных #python #программирование
___

ТЕХНОСТРИМ - образовательный канал для IT специалистов.
___

💡 ПОДПИСЫВАЙСЯ, ЕСЛИ ТЕБЕ ИНТЕРЕСНО УЗНАТЬ:

✔ как наши преподаватели – топовые специалисты Mail.Ru Group руководят разработкой в таких проектах, как Почта, ВКонтакте, Облако, Maps.me, Одноклассники, и решают сложные задачи каждый день
✔ реальные примеры…
источник

AO

Alex Ololo in Machine learning
K-S
А prophet разве умеет дообучаться?
говорят умеет. пошел в документацию)
источник

R

Rustembek in Machine learning
доброго времени суток всем! можете пожалуйста проверить мое задание с 2 курса:  Линейная регрессия: переобучение и регуляризация. вот ссылка на работу  https://www.coursera.org/learn/supervised-learning/peer/kfDUX/linieinaia-rieghriessiia-pierieobuchieniie-i-rieghuliarizatsiia/review/iRQ9q1r-Eeu-0ApVVPlrLQ
источник

DM

Duke Mort in Machine learning
Привет! Кто-нибудь может помочь с контрольной работой по численным методам сейчас?
источник

SA

Svetlana Astafyeva in Machine learning
Denis O
Подскажите пожалуйста по выбору распределения - стоит ли брать для домашки по цпт распределение Парето?

Стал смотреть тк название знакомое. Оказалось оно степенное, мат ожидание есть при k>2, дисперсия при k>3.

Графики желательно смотреть на логарифмической шкале.

Стоит ли этим заниматься, или там будет много подводных камней не нужных в данный момент, и лучше взять что попроще?

Спасибо

https://ru.m.wikipedia.org/wiki/%D0%A0%D0%B0%D1%81%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5_%D0%9F%D0%B0%D1%80%D0%B5%D1%82%D0%BE#:~:text=%D0%A0%D0%B0%D1%81%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D0%B5%CC%81%D0%BD%D0%B8%D0%B5%20%D0%9F%D0%B0%D1%80%D0%B5%CC%81%D1%82%D0%BE%20%D0%B2%20%D1%82%D0%B5%D0%BE%D1%80%D0%B8%D0%B8%20%D0%B2%D0%B5%D1%80%D0%BE%D1%8F%D1%82%D0%BD%D0%BE%D1%81%D1%82%D0%B5%D0%B9,%2C%20%D1%8D%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D1%85%2C%20%D1%84%D0%B8%D0%B7%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D1%85%20%D0%B8%20%D0%B4%D1%80%D1%83%D0%B3%D0%B8%D1%85.
Я делала Парето. Все отлично получилось 😉
источник

DM

Duke Mort in Machine learning
Помогите пожалуйста!
источник

SA

Svetlana Astafyeva in Machine learning
К вопросам об обновлении курса.
Я считаю, что это прекрасная практика, разобраться, где были изменения в библиотеках и исправить их.
Вероятно, в процессе реальной работы, часто придется сталкиваться с тем, что старый код не работает, потому что библиотеки обновились. И либо путь стал другим, либо параметры по умолчанию изменились.
Ничего страшного тут нет.
Во втором курсе пришлось изрядно повозиться с pybrain, в третьем курсе с gensim. И bigartm довольно сильно изменился со времени создания курса.
Но есть же форум по каждой неделе каждого курса. Там можно найти почти все ответы.
Есть документация по каждой библиотеке, где не так сложно разобраться.
В конце концов, Гугл-Яндекс в помощь.
Не стоит расстраиваться, если что-то не получается.
Надо пробовать другие варианты, искать ответы, и все получится!
В этом чате, например, можно найти ответы на большинство возникающих вопросов просто поиском по чату.
Или написать вопрос, кто-нибудь обязательно ответит.
В общем, я за 3 курса не увидела серьезных причин для обновления материала.
Хотелось бы про нейросети побольше, но можно и другие курсы пройти (на том же Степике).
Какой смысл в обучении, если все практические задания можно было бы сделать копи-пастом?
Ну реально?
Много ли причин лезть в документацию по библиотеке на английском языке, если у тебя уже есть все необходимые инструменты и все работает?
источник

K

K-S in Machine learning
по сетям и без того материала завались. Вот чего бы хотелось - это изучения менее популярных, но уже ставших классическими методов, по которым не так-то просто найти что-то доступное в виде курсов в сети
источник

А

Артем in Machine learning
Svetlana Astafyeva
К вопросам об обновлении курса.
Я считаю, что это прекрасная практика, разобраться, где были изменения в библиотеках и исправить их.
Вероятно, в процессе реальной работы, часто придется сталкиваться с тем, что старый код не работает, потому что библиотеки обновились. И либо путь стал другим, либо параметры по умолчанию изменились.
Ничего страшного тут нет.
Во втором курсе пришлось изрядно повозиться с pybrain, в третьем курсе с gensim. И bigartm довольно сильно изменился со времени создания курса.
Но есть же форум по каждой неделе каждого курса. Там можно найти почти все ответы.
Есть документация по каждой библиотеке, где не так сложно разобраться.
В конце концов, Гугл-Яндекс в помощь.
Не стоит расстраиваться, если что-то не получается.
Надо пробовать другие варианты, искать ответы, и все получится!
В этом чате, например, можно найти ответы на большинство возникающих вопросов просто поиском по чату.
Или написать вопрос, кто-нибудь обязательно ответит.
В общем, я за 3 курса не увидела серьезных причин для обновления материала.
Хотелось бы про нейросети побольше, но можно и другие курсы пройти (на том же Степике).
Какой смысл в обучении, если все практические задания можно было бы сделать копи-пастом?
Ну реально?
Много ли причин лезть в документацию по библиотеке на английском языке, если у тебя уже есть все необходимые инструменты и все работает?
Я бы обновил курс примерно в таком свете:

В данном методе необходимо использовать такие алгоритмы и такие метрики(даже если они заданы по умолчанию), что поможет избежать ситуации изменения библиотеки
источник

K

K-S in Machine learning
вообще, на самом деле, потенциально нового материала для специализации - завались. Но если все делать, то по программе это на полноценный европейский бакалавриат может потянуть (3 года)
источник

SA

Svetlana Astafyeva in Machine learning
K-S
по сетям и без того материала завались. Вот чего бы хотелось - это изучения менее популярных, но уже ставших классическими методов, по которым не так-то просто найти что-то доступное в виде курсов в сети
Например? (Интересно ваше мнение)
источник

SA

Svetlana Astafyeva in Machine learning
Артем
Я бы обновил курс примерно в таком свете:

В данном методе необходимо использовать такие алгоритмы и такие метрики(даже если они заданы по умолчанию), что поможет избежать ситуации изменения библиотеки
Зачем?
В ноутбуках или аннотации к заданию всегда написано, какие алгоритмы использовать и какие метрики считать.
Разве нет?
источник