1. Многопоточное программирование. Часть 1 2. Многопоточное программирование. Часть 2 3. Параллельные вычисления 4. Параллельное программирование Часть 1 5. Параллельное программирование. Часть 2 6. Разбор ДЗ №1 7. MapReduce 8. MapReduce – приемы и стратегии реализации 9. MapReduce — инструменты и практические примеры 01 – Нейронные сети. Основы линейной алгебры 02 – Нейронные сети. Перцептрон и градиентный спуск 03 – Нейронные сети. Алгоритм обратного распространения ошибки 04 – Нейронные сети. Мониторинг состояния сети 05 – Нейронные сети. Заключение ● Stepik ML contest – data preprocessing ● Какого музыканта Beatles я загадал или entropy reduction ● Немного теории и энтропии ● Titanic: Machine Learning from Disaster ● Обучение, переобучение, недообучение и кросвалидация ● Последний джедай или метрики качества модели ● Подбор параметров и ROC and Roll ● Секретный гость ● Stepik ML contest ●… Читать далее » Источник: Алексей Савватеев и теория игр: «Какова вероятность, что в ближайшие пять лет будет скинута атомная бомба?» / Хабр Анализ временных рядов (теория) 1.Что такое Автокорреляция? 2.Свойства автокорреляции первого порядка 3.Последствия автокорреляции 4.Робастные стандартные ошибки и тест Дарбина-Уотсона 5.Что такое Стационарные и нестационарные временные ряды? 6.Процесс скользящего среднего, MA(q) 7.Автокорреляционная функция 8.Частная автокорреляционная функция 9.Процесс авторегрессии 10.Пример подсчёта частной автокорреляционной функции AR(1) процесса Marina Kuzminova Лекция 1 Графический метод решения задач линейного программирования Лекция 2 Симплекс-метод Лекция 3 Метод искусственного базиса Лекция 4 Анализ чувствительности решения задачи линейного программирования Лекция 5 Транспортная задача Лекция 6 Общая распределительная задача Лекция 7 Регрессионный и корреляционный анализ Лекция 8 Моделирование потребительского поведения Лекция 9 Моделирование производственной деятельности Лекция 10 Моделирование экономического… Читать далее » 1. Pandas 2. Визуализация 3. Классификация, деревья решений 4. Логистическая регрессия 5. Случайный лес 6. Регрессия, работа с признаками Лекция 1: Исторический обзор Лекция 2: Логический вывод – индукция Лекция 3: Логический вывод – дедукция Лекция 4: Дедуктивный метод Шерлока Холмса Лекция 5: Множества Лекция 6: Операции над множествами Лекция 7: Отношения Лекция 8: Свойства отношений Лекция 9: Отношения и базы данных Лекция 10: Функции Нейронные сети. Просто 1. Введение. 2. Немного биологии. 3. В целом об искусственной нейронной сети. 4. Искусственный нейрон. 5. Структура нейронной сети. 6. Нюансы работы нейронной сети. 7. Обучение сети. 8. Технология обучения сети. Часть 1. 9. Технология обучения сети. Часть 2. 10. Работа одного нейрона Р.В. Шамин. Искусственный интеллект и машинное обучение Р.В. Шамин. Лекция №1. Метод отжига Р.В. Шамин. Лекция №2. Обучение персептрона Р.В. Шамин. Лекция № 3. Нейронная сеть Хопфилда Р.В. Шамин. Лекция №3. Пример работы программы Р.В. Шамин. Лекция № 4. Классификация сетью Кохонена Р.В. Шамин. Лекция № 5. Самоорганизующиеся карты Кохонена Р.В. Шамин. Лекция № 6.… Читать далее »
Лекции по параллельным и распределенным вычислениям
Нейронные сети
Введение в Data Science и машинное обучение [Часть вторая]
Алексей Савватеев и теория игр: «Какова вероятность, что в ближайшие пять лет будет скинута атомная бомба?» / Хабр
Анализ временных рядов (теория)
Линейное программирование
Открытый курс OpenDataScience и Mail. ru Group по машинному обучению
Введение в логику
Нейронные сети. Просто
Искусственный интеллект и машинное обучение