- Видео 186
- Просмотров 322 226
Центр digital профессий ITtensive
Россия
Добавлен 26 июл 2019
Центр digital профессий ITtensive ускоряет получение технологических знаний и помогает освоить конкретные профессии будущего: специалист по большим данным, инженер машинного обучения, python-разработчик, инвестиционный аналитик и многих других.
BiLSTM и ConvLSTM
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
Просмотров: 611
Видео
GRU
Просмотров 5122 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
LSTM
Просмотров 1,8 тыс.2 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
RNN
Просмотров 9292 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
Стационарность
Просмотров 1,3 тыс.2 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
Дрейф данных
Просмотров 5822 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
Анализ временных рядов
Просмотров 1,2 тыс.2 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
Авторегрессия
Просмотров 2,7 тыс.2 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
SARIMA(X)
Просмотров 1,5 тыс.2 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
ADL и VAR
Просмотров 8352 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
ARIMA
Просмотров 3,4 тыс.2 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
ARMA
Просмотров 1,4 тыс.2 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
Сигнал и шум. Цвета шума
Просмотров 1,1 тыс.2 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
Метод экспоненциального сглаживания
Просмотров 3,6 тыс.2 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
Скользящие средние
Просмотров 2,2 тыс.2 года назад
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
Видео отзыв об обучении в ITtensive (Максим, 25 лет)
Просмотров 1922 года назад
Видео отзыв об обучении в ITtensive (Максим, 25 лет)
Видеоотзыв об обучении в ITtensive на аналитика данных на Python. Бойко Антон
Просмотров 1472 года назад
Видеоотзыв об обучении в ITtensive на аналитика данных на Python. Бойко Антон
Отличные материал и подача! Объяснено все четко и по делу, спасибо. Единственное, было бы приятнее вас слушать, если бы звук писался в маломальский микрофон)
Там
Очень хорошо объясняете
Огромное вам спасибо!
А если в нейросети больше 1 скрытого слоя, то их веса обучать по формуле из 8:00 ?
Путанно
Посему в андройдах такая беда с беспроводно зарядкой, это же всего лишь катушку встроить, в айфоне со времен царя гороха
Посему в андройдах такая беда с беспроводно зарядкой, это же всего лишь катушку встроить, в айфоне со времен царя гороха
Да, большая частота обновления экрана очень отвлекает, согласен 😅
Я всё понял! Спасибо Вам
полезная информация, но очень плохой звук
Спасибо!
Не так много материалов про isolation forest :( Есть несколько кейсов , которыми мог бы поделиться😮😊
Благодарю вас, очень важная информация! Спасибо алгоритмам за такой ценный контент ❤
Эх, "молодость"... помнится, работал в "твц", - рабочие задачи полная хуйня для инфантильного идеалиста, - дак вот, в "свободное от работы время", быстро накодил базу (вроде двух - слойный перцептрон, "Фукушима" было на сдаче, специально не перепроверяю, дабы не казаться лицемерно выебнутым))) сетки, - БД для обучения (поле 10 на 10 пикселей в которое вводит "учитель", непосредственно "образ", с возможностью "рисовать" мышкой запросы, захотел тогда "разобраться "с циферками) и... сука, все заработало!.. для корректного обучения наплодил через эту вспомогательную утилиту кучу изображений из различного, нарочито гротескного и, своевременно, нормального множества изображений этих самых циферок (10Х10), потом в рандомизированном порядке загнал в НС на куче рандом - циклов и, вуаля!))).. С той поры остается некое недопонимание относительно влияния этой "божественной" меж - синаптической функции (констатнта бога, лол))) на корректность и релевантность ответов НС на свои (10Х10) запросы... реально, хоть до мозга костей и технарь, но это какая - то магия))... Спасибо огромное за такого рода просвещение, это необходимо!..
Спасибо. Очень полезное видео.
Спасибо за лекции.
Не понял про софтмакс - если функция активации находится в нейроне - как получается результат сразу со всеэ нейронов?
Не математик, первый раз слышу, но поняла, что именно так строятся биржевые графики за день, неделю и тд, и другие компьютерные индикаторы, спасибо
код пайтон выглядит так: def mse(y_true, y_pred): return (y_true - y_pred) ** 2
Hello let's trade
Очень круто и коротко и понятно, спасибо!!!!
Огонь, пойду закрывать пробелы в логарифиах😂
Спасибо вам! Просто и понятно.
Спасибо!
Было бы круто, если бы раскрыли еще тему экстраполяции для распределений. Очень интересна тема распределения Вейбула или Пирсона, как наиболее часто встречаемая в наблюдениях с временными данными. Спасибо
У вас так хорошо получается объяснять, не забрасывайте, пожалуйста
Случайно кликнул и прослушал целую длинную лекцию по XAI (Объяснимому ИИ). Очень советую! Получил массу практических идей для решения текущих прикладных задач.
Идеально! Плотность информации в единицу времени, подача, речь. Лектор топчик! Говорю как выпускник матшколы и МГУ, заставший еще академика Ильина В.А. в качестве лектора и экзаменатора ))
-Бог есть? - 50%
Благодарю вас!
Этапы ETL: 1:17 1. Получение данных 1:34 2. Очистка данных/заполнение пропусков 3:52 3. Объединение даных
0:24 первичный анализ данных
спасибо
4:43 5:38
2:49 ! 3:10 3:20 4:24 5:05 !
Причины недообучения (ошибок) 2:03: 0:32 0:44 0:55 1:08 3:10 Переобучение 6:36 Ансамбли моделей 9:40
2:34
3:20
1:00 1:40 2:05 3 основных аспекта подготовки данных 2:09 1. Нормирование данных 3:14 4:09 при наличии отрицательных чисел диапазон получается [-1; 1] и почему не использовали более простую формулу нормирования - x/max (тоже ведь все значения будут в пределах данного диапазона)? 4:37 z-нормализация 5:24 зачем нужно 6:23 2. Категориальные данные 6:30 Приведение к единичным векторам 8:28 8:42 3. Циклические параметры 9:27 Тригонометрические функции 11:38 12:35
2:01 типы распределений 3:30 3:50 4:38
2:10 типы данных
0:53 арифмет. прогрессия/геометр. прогрессия
Когда новый видео???
Здорово, понял на буквах объяснение, но на цифрах всегда полезно посмотреть
Спасибо
Классный урок
Can you speak English?
Спасибо большое, очень полезно и интересно
а как веса нейросети обновлять? надо обновлять случайно, если результат хороший, то повторяем действие остальные также с небольшими изменениями, так?