种子简介

种子名称： Курсы Аналитик Данных
文件类型： 视频
文件数目： 174个文件
文件大小： 26.85 GB
收录时间： 2025-9-27 17:20
已经下载： 3次
资源热度： 9
最近下载： 2025-10-5 16:59

下载BT种子文件

下载Torrent文件(.torrent) 立即下载

磁力链接下载

magnet:?xt=urn:btih:62b7736fa44fa7fad7d8ccd6c2fd9b6b089720dc&dn=Курсы Аналитик Данных 复制链接到迅雷、QQ旋风进行下载，或者使用百度云离线下载。

喜欢这个种子的人也喜欢

种子包含的文件

Курсы Аналитик Данных.torrent

Вебинары/1/Занятие 1.mkv781.52MB

Вебинары/1/Консультация.mkv227.26MB

Вебинары/10/Занятие 10.mkv221.93MB

Вебинары/11/Занятие 11.mkv280.51MB

Вебинары/12/Занятие 12.mkv528.04MB

Вебинары/13/Занятие 13.mkv683.22MB

Вебинары/14/Занятие 14.mkv128.57MB

Вебинары/15/Занятие 15.mkv283MB

Вебинары/16/Занятие 16.mkv651.82MB

Вебинары/17/Занятие 17.mkv883.54MB

Вебинары/18/Занятие 18.mkv186.07MB

Вебинары/19/Занятие 19.mkv205.31MB

Вебинары/2/Занятие 2.mkv357.92MB

Вебинары/2/Консультация.mkv104.72MB

Вебинары/20/Занятие 20.mkv537.49MB

Вебинары/21/Занятие 21.mkv233.76MB

Вебинары/22/Занятие 22.mkv808.38MB

Вебинары/23/Занятие 23.mkv178.07MB

Вебинары/24/Занятие 24.mkv806.76MB

Вебинары/25/Занятие 25.mkv339.17MB

Вебинары/4/python/src/inputs.py62B

Вебинары/4/Занятие 4.mkv814.59MB

Вебинары/4/Консультация.mkv333.29MB

Вебинары/5/Занятие 5.mkv652.64MB

Вебинары/8/Занятие 8.mkv755.12MB

Вебинары/9/Занятие 9.mkv911.11MB

Раздел 1/Data Science, 1 часть - 1080.mp4181.76MB

Раздел 1/Data Science, 2 часть - 1080.mp4147.55MB

Раздел 1/Data Science, 3 часть - 1080.mp4118.72MB

Раздел 1/Data Science, 4 часть - 1080.mp478.32MB

Раздел 1/Data Science, 5 часть - 1080.mp4102.13MB

Раздел 10/10.1/Линейная регрессия. Метод наименьших квадратов. Логическая регрессия. Часть 1.mp457.41MB

Раздел 10/10.1/Линейная регрессия. Метод наименьших квадратов. Логическая регрессия. Часть 2.mp487.92MB

Раздел 10/10.1/Линейная регрессия. Метод наименьших квадратов. Логическая регрессия. Часть 3.mp422.29MB

Раздел 10/10.1/Линейная регрессия. Метод наименьших квадратов. Логическая регрессия. Часть 4.mp440.6MB

Раздел 10/10.1/Практика.mp4113.77MB

Раздел 10/10.2/Метод наименьших квадратов. Средняя квадратичная ошибка, средняя абсолютная ошибка. Практика - 1080.mp470.64MB

Раздел 10/10.3/Авторегрессия ARIMA. Временные ряды. Часть 1.mp453.74MB

Раздел 10/10.3/Авторегрессия ARIMA. Модели. Часть 2.mp451.89MB

Раздел 10/10.3/Использование ARIMA на платформе Loginom. Практика.mp486.83MB

Раздел 10/10.3/Прогнозирование временных рядом в Python с использованием ARMA. Практика. Часть 1.mp4125.23MB

Раздел 10/10.3/Прогнозирование временных рядом в Python с использованием ARMA. Практика. Часть 2.mp493.82MB

Раздел 11/11.1/Активационные функции/Практика/Активационные функции. Практика.mp4292.75MB

Раздел 11/11.1/Активационные функции/Активационные функции. Часть 1.mp449.18MB

Раздел 11/11.1/Активационные функции/Активационные функции. Часть 2.mp428.59MB

Раздел 11/11.1/Активационные функции/Активационные функции. Часть 3.mp443.65MB

Раздел 11/11.1/Введение в нейронные сети/Часть 1. Введение в нейронные сети. Обзор библиотеки tensorflow.keras..mp450.09MB

Раздел 11/11.1/Введение в нейронные сети/Часть 2. Введение в нейронные сети. Обзор библиотеки tensorflow.keras..mp456.45MB

Раздел 11/11.1/Введение в нейронные сети/Часть 3. Введение в нейронные сети. Обзор библиотеки tensorflow.keras..mp456.9MB

Раздел 11/11.1/Введение в нейронные сети/Часть 4. Введение в нейронные сети. Обзор библиотеки tensorflow.keras..mp425.19MB

Раздел 11/11.2/Практика/Полносвязные нейронные сети. Dence слои. Практика.mp4278.38MB

Раздел 11/11.2/Полносвязные нейронные сети. Dense слои. Часть 1.mp4112.1MB

Раздел 11/11.2/Полносвязные нейронные сети. Dense слои. Часть 2.mp490.56MB

Раздел 11/11.2/Полносвязные нейронные сети. Dense слои. Часть 3.mp493.44MB

Раздел 11/11.3/Свёрточные нейронные сети. Conv слои. Практика.mp4151.02MB

Раздел 11/11.3/Свёрточные нейронные сети. Conv слои. Часть 1.mp498.31MB

Раздел 11/11.3/Свёрточные нейронные сети. Conv слои. Часть 2.mp4139.27MB

Раздел 12/12.1/Построение архитектуры нейронной сети для задач бинарной и множественной классификации. Практика.Ч.1 - 1080.mp4156.8MB

Раздел 12/12.1/Построение архитектуры нейронной сети для задач бинарной и множественной классификации. Практика.Ч.2 - 1080.mp4175.77MB

Раздел 12/12.2/Архитектуры для решения задач регрессии. Практика. Часть 1 - 1080.mp4145.86MB

Раздел 12/12.2/Архитектуры для решения задач регрессии. Практика. Часть 2 - 1080.mp474.67MB

Раздел 12/12.3/Прогнозирование временных рядов в системе Deductor. Практика - 1080.mp4145.24MB

Раздел 12/12.3/Прогнозирование временных рядов в системе loginom. Практика - 1080.mp4111.5MB

Раздел 12/12.4/Построение архитектуры нейронной сети для задач object detection. - 1080.mp4184.87MB

Раздел 12/12.4/Построение архитектуры нейронной сети для задач object detection. Практика - 1080.mp4183.56MB

Раздел 12/12.5/Построение архитектуры нейронной сети для задач segmentation - 1080.mp4152.26MB

Раздел 12/12.5/Построение архитектуры нейронной сети для задач segmentation. Практика - 1080.mp4362.06MB

Раздел 12/12.6/Практика/Анализ аудиосигналов. Особенности препроцессинга и архитектуры нейронной сети. Практика. Часть 1 - 1080.mp474.81MB

Раздел 12/12.6/Практика/Анализ аудиосигналов. Особенности препроцессинга и архитектуры нейронной сети. Практика. Часть 2 - 1080.mp476.32MB

Раздел 12/12.6/Практика/Анализ аудиосигналов. Особенности препроцессинга и архитектуры нейронной сети. Практика. Часть 3 - 1080.mp471.47MB

Раздел 12/12.6/Анализ аудиосигналов. Особенности препроцессинга и архитектуры нейронной сети - 1080.mp4107.51MB

Раздел 12/12.7/Задачи NLP. Препроцессинга текстовых неструктурированных данных/Задачи NLP. Препроцессинга текстовых неструктурированных данных - 1080.mp4238.78MB

Раздел 12/12.7/Задачи NLP. Препроцессинга текстовых неструктурированных данных/Задачи NLP. Препроцессинга текстовых неструктурированных данных. Практика - 1080.mp4137.63MB

Раздел 12/12.7/Построение архитектуры нейронной сети для классификации текстов/Построение архитектуры нейронной сети для классификации текстов - 1080.mp493.61MB

Раздел 12/12.7/Построение архитектуры нейронной сети для классификации текстов/Построение архитектуры нейронной сети для классификации текстов. Практика - 1080.mp4183.71MB

Раздел 12/12.8/Метод обратного распространения ошибки. Практика. Часть 1 - 1080.mp4157.67MB

Раздел 12/12.8/Метод обратного распространения ошибки. Практика. Часть 2 - 1080.mp484.04MB

Раздел 12/12.9/Практика/Генеративные состязательные сети. Практика. Часть 2.mp4153.42MB

Раздел 12/12.9/Практика/Генеративные состязательные сети. Практика. Часть 3.mp4155.53MB

Раздел 12/12.9/Генеративные состязательные сети. Теория. Часть 1.mp4105.77MB

Раздел 13/13.1/Сохранение моделей. Практика.mp451.47MB

Раздел 13/13.1/Сохранение моделей.mp4258.48MB

Раздел 13/13.2/Работа с предобученными моделями. Практика.mp4109.21MB

Раздел 13/13.2/Работа с предобученными моделями.mp455.96MB

Раздел 13/13.3/Flask приложение. Выведение моделей в production.mp4167.18MB

Раздел 13/13.4/Контроль версионности моделей с tensorflow serving. Практика.mp4389.7MB

Раздел 13/13.4/Контроль версионности моделей с tensotflow serving.mp435.33MB

Раздел 13/13.5/Практика/Облачная платформа Kaggle для решения data science задач. Практика. Часть 1.mp4138.99MB

Раздел 13/13.5/Практика/Облачная платформа Kaggle для решения data science задач. Практика. Часть 2.mp4100.2MB

Раздел 13/13.5/Облачная платформа Kaggle для решения data science задач. Часть 1.mp486.59MB

Раздел 13/13.5/Облачная платформа Kaggle для решения data science задач. Часть 2.mp4100.32MB

Раздел 3/3.1/Введение, среды исполнения (IDE). Часть 1 - 1080.mp452.91MB

Раздел 3/3.1/Введение, среды исполнения (IDE). Часть 2 - 1080.mp467.05MB

Раздел 3/3.1/Типы данных в Python - 1080.mp4135.5MB

Раздел 3/3.2/Базовые конструкции и структуры программирования. Циклы и условия - 1080.mp4166.4MB

Раздел 3/3.3/Объектно-ориентированное программирование в Python. Часть 1 - 1080.mp488.31MB

Раздел 3/3.3/Объектно-ориентированное программирование в Python. Часть 2 - 1080.mp493.31MB

Раздел 3/3.3/Функции и элементы функционального программирования в Python. Часть 1 - 1080.mp4238.34MB

Раздел 3/3.3/Функции и элементы функционального программирования в Python. Часть 2 - 1080.mp4134.15MB

Раздел 3/3.3/Функции и элементы функционального программирования в Python. Часть 3 - 1080.mp4215.97MB

Раздел 3/3.4/Библиотеки Numpy, Scipy для научных вычислений. Часть 1 - 1080.mp4156.6MB

Раздел 3/3.4/Библиотеки Numpy, Scipy для научных вычислений. Часть 2 - 1080.mp499.79MB

Раздел 3/3.4/Библиотеки Numpy, Scipy для научных вычислений. Часть 3 - 1080.mp4135.39MB

Раздел 3/3.4/Библиотеки Numpy, Scipy для научных вычислений. Часть 4 - 1080.mp4209.61MB

Раздел 3/3.4/Библиотеки Numpy, Scipy для научных вычислений. Часть 5 - 1080.mp492.64MB

Раздел 3/3.4/Библиотеки Numpy, Scipy для научных вычислений. Часть 6 - 1080.mp4141.01MB

Раздел 3/3.5/Библиотека Pandas, как стандарт исследования данных. Часть 1 - 1080.mp4149.92MB

Раздел 3/3.5/Библиотека Pandas, как стандарт исследования данных. Часть 2 - 1080.mp4172.55MB

Раздел 3/3.5/Библиотека Pandas, как стандарт исследования данных. Часть 3 - 1080.mp467.43MB

Раздел 3/3.6/Визуализация в Python и срезы данных. Библиотеки Matplotlib, seaborn, plotly. Часть 1 - 1080.mp4131.47MB

Раздел 3/3.6/Визуализация в Python и срезы данных. Библиотеки Matplotlib, seaborn, plotly. Часть 2 - 1080.mp466.8MB

Раздел 3/3.6/Визуализация в Python и срезы данных. Библиотеки Matplotlib, seaborn, plotly. Часть 3 - 1080.mp487.23MB

Раздел 3/3.6/Визуализация в Python и срезы данных. Библиотеки Matplotlib, seaborn, plotly. Часть 4 - 1080.mp4205.82MB

Раздел 3/3.6/Визуализация в Python и срезы данных. Библиотеки Matplotlib, seaborn, plotly. Часть 5 - 1080.mp430.38MB

Раздел 3/3.7/Практика/Практика 1.mp4116.89MB

Раздел 3/3.7/Практика/Практика 2.mp4112.69MB

Раздел 3/3.7/Работа с командной строкой. Linux, Windows. - 1080.mp4171.17MB

Раздел 4/4.1/Pipeline машинного обучения. Особенности архитектурных решений. Часть 1 - 1080.mp4120.86MB

Раздел 4/4.1/Pipeline машинного обучения. Особенности архитектурных решений. Часть 2 - 1080.mp485.44MB

Раздел 4/4.2/Обзор библиотеки SKLEARN - 1080.mp461.18MB

Раздел 4/4.2/Обзор библиотеки SKLEARN. Практика - 1080.mp487.7MB

Раздел 4/4.3/Ленивые вычисления - 1080.mp487.36MB

Раздел 4/4.3/Ленивые вычисления. Практика - 1080.mp4176.54MB

Раздел 5/5.1/Ключевые задачи в подготовке датасетов и их важность - 1080.mp4111.27MB

Раздел 5/5.2/Нормализация и стандартизация - 1080.mp475.2MB

Раздел 5/5.2/Нормализация и стандартизация, практика - 1080.mp455.33MB

Раздел 5/5.3/Поиск аномалий и выбросов. Методы обработки и визуализации. - 1080.mp475.69MB

Раздел 5/5.3/Поиск аномалий и выбросов. Методы обработки и визуализации. Практика. - 1080.mp465.93MB

Раздел 5/5.4/Разбалансированные датасеты и методы балансировки - 1080.mp471.91MB

Раздел 5/5.4/Разбалансированные датасеты и методы балансировки, практика - 1080.mp4157.63MB

Раздел 5/5.5/Обработка категориальных признаков. LabelEncoder, One Hot encoding - 1080.mp483.53MB

Раздел 5/5.5/Обработка категориальных признаков. LabelEncoder, One Hot encoding. Практика. - 1080.mp450.63MB

Раздел 5/5.6/Доверительные интервалы - 1080.mp492.88MB

Раздел 5/5.6/Доверительные интервалы, практика - 1080.mp456.79MB

Раздел 5/5.7/Библиотека Beautifulsoup. Парсинг данных из html страниц - 1080.mp473.99MB

Раздел 5/5.7/Библиотека Beautifulsoup. Парсинг данных из html страниц. Практика - 1080.mp4197.42MB

Раздел 6/6.1/Обучение на размеченных и неразмеченных данных. Практика. Часть 1 - 1080.mp4146.41MB

Раздел 6/6.1/Обучение на размеченных и неразмеченных данных. Практика. Часть 2 - 1080.mp4101.83MB

Раздел 6/6.1/Обучение на размеченных и неразмеченных данных. Часть 1 - 1080.mp468.13MB

Раздел 6/6.1/Обучение на размеченных и неразмеченных данных. Часть 2 - 1080.mp477.9MB

Раздел 6/6.2/Метод главных компонент PCA. Метод t-SNE для линейно разделимой выборки. Практика - 1080.mp470.51MB

Раздел 6/6.2/Метод главных компонент PCA. Метод t-SNE для линейно разделимой выборки. Часть 1 - 1080.mp491.93MB

Раздел 6/6.2/Метод главных компонент PCA. Метод t-SNE для линейно разделимой выборки. Часть 2 - 1080.mp436.22MB

Раздел 6/6.3/Практика/Иерархическая кластеризация - hiererchical clustering. Алгоритм кластеризации DBSCAN. Практика. Ч. 1 - 1080.mp467.26MB

Раздел 6/6.3/Практика/Иерархическая кластеризация - hiererchical clustering. Алгоритм кластеризации DBSCAN. Практика. Ч. 2 - 1080.mp442.23MB

Раздел 6/6.3/Практика/Кластеризация. Метод k-means, c-means. Практика. Часть 1 - 1080.mp461.57MB

Раздел 6/6.3/Практика/Кластеризация. Метод k-means, c-means. Практика. Часть 2 - 1080.mp463.4MB

Раздел 6/6.3/Иерархическая кластеризация - hiererchical clustering. Алгоритм кластеризации DBSCAN. Часть 1 - 1080.mp488.33MB

Раздел 6/6.3/Иерархическая кластеризация - hiererchical clustering. Алгоритм кластеризации DBSCAN. Часть 2 - 1080.mp486.06MB

Раздел 6/6.3/Кластеризация. Метод k-means, c-means. Часть 1 - 1080.mp498.12MB

Раздел 6/6.3/Кластеризация. Метод k-means, c-means. Часть 2 - 1080.mp4112.96MB

Раздел 7/7.1/Полная и условная вероятность, теорема Байеса. Байесовский вероятностный классификатор. Часть 3 - 1080.mp457.17MB

Раздел 7/7.1/Теория вероятности. Полная и условная вероятность. Байесовские классификаторы. Часть 1 - 1080.mp4100.42MB

Раздел 7/7.1/Теория вероятности. Полная и условная вероятность. Байесовские классификаторы. Часть 2 - 1080.mp455.22MB

Раздел 7/7.2/Байесовский вероятностный классификатор. Практика - 1080.mp428.79MB

Раздел 8/8.1/Кросс-валидация. Особенности применения. Практика.mp442.71MB

Раздел 8/8.1/Кросс-валидация. Особенности применения.mp411.6MB

Раздел 8/8.1/Метрики классификации. Матрица ошибок (Confusion-matrix). Precision, recall, f1. ROC-AUC.mp498.31MB

Раздел 8/8.1/Метрики классификации. Матрица ошибок. Практика. (Confusion-matrix, Precision, recall, f1.ROC-AUC).mp446.81MB

Раздел 8/8.2/Метод ближайших соседей k-NN/Практика. Метод ближайших соседей k-NN. Метрики подсчета расстояния. Плюсы и минусы алгоритма..mp435.75MB

Раздел 8/8.2/Метод ближайших соседей k-NN/Часть 1. Метод ближайших соседей k-NN. Метрики подсчета расстояния. Плюсы и минусы алгоритма..mp471.98MB

Раздел 8/8.2/Метод ближайших соседей k-NN/Часть 2. Метод ближайших соседей k-NN. Метрики подсчета расстояния. Плюсы и минусы алгоритма..mp479.63MB

Раздел 8/8.2/Метод опорных векторов (SVM)/Практика. Метод опорных векторов (SWM). Линейно разделимы и неразделимые выборки, методы обработки..mp454.11MB

Раздел 8/8.2/Метод опорных векторов (SVM)/Часть 1. Метод опорных векторов (SVM). Линейно разделимые и неразделимые выборки, методы обработки..mp4100.93MB

Раздел 8/8.2/Метод опорных векторов (SVM)/Часть 2. Метод опорных векторов (SVM). Линейно разделимые и неразделимые выборки, методы обработки..mp480.31MB

Раздел 8/8.2/Метод опорных векторов (SVM)/Часть 3. Метод опорных векторов (SVM). Линейно разделимые и неразделимые выборки, методы обработки..mp486.27MB

Раздел 9/9.1/Решающие деревья/Решающие деревья (Decision tree). Практика - 1080.mp432.44MB

Раздел 9/9.1/Решающие деревья/Решающие деревья (Decision tree). Часть 1 - 1080.mp4139.56MB

Раздел 9/9.1/Решающие деревья/Решающие деревья (Decision tree). Часть 2 - 1080.mp495.99MB

Раздел 9/9.1/Случайный лес/Случайный лес (Random forest) - 1080.mp429.68MB

Раздел 9/9.1/Случайный лес/Случайный лес (Random forest). Практика - 1080.mp432.98MB

Раздел 9/9.2/Практика/Ансамбли алгоритмов. Bagging boosting, stacking. Практика - 1080.mp436.69MB

Раздел 9/9.2/Ансамбли алгоритмов. Bagging, boosting, stacking. Часть 1 - 1080.mp471.5MB

Раздел 9/9.2/Ансамбли алгоритмов. Bagging, boosting, stacking. Часть 2 - 1080.mp446.81MB