Размер шрифта
A-
A
A+
Цвет сайта
R
A
A
A
Боковая панель
Ресурсы
Главная
Новости
Курсы
Библиотека ИУ6
Библиотека Приборостроение
Расписание
Для преподавателей
Календарь
Мой портал
Преподаватели
Расписание работы преподавателей
Абрамов Николай Александрович
Андреев Арк Михайлович
Аристов Борис Константинович
Бауман Юрий Иванович
Березкин Дмитрий Валерьевич
Булдакова Татьяна Ивановна
Григоренко Виктор Михайлович
Григорьев Юрий Александрович
Губарь Александр Михайлович
Гуренко Владимир Викторович
Данилюк Сергей Сергеевич
Еремин Олег Юрьевич
Захаров Михаил Александрович
Иванова Галина Сергеевна
Карпухин Валерий Анатольевич
Ланцберг Анна Вильямовна
Миков Дмитрий Александрович
Минитаева Алина Мажитовна
Можаров Геннадий Петрович
Никаноров Анатолий Вадимович
Ничушкина Татьяна Николаевна
Овчинников Владимир Анатольевич
Папулин Сергей Юрьевич
Понамарев Андрей Дмитриевич
Попов Алексей Юрьевич
Пролетарский Андрей Викторович
Пугачев Евгений Константинович
Скворцова Мария Александровна
Смирнова Елена Валентиновна
Сотников Алексей Александрович
Степанов Павел Валерьевич
Сюзев Владимир Васильевич
Фетисов Михаил Вячеславович
Фомин Михаил Михайлович
Хартов Вячеслав Яковлевич
Юбилей кафедры ИУ6
ГЭК
ГЭК магистров 2024
ГЭК бакалавров 2024
О кафедре
Общая информация о кафедре ИУ6
Научная работа на кафедре
Кафедра ИУ6 на факультете АК
Абитуриентам
Ресурсы для абитуриентов
Информация для абитуриентов
Форум для абитуриентов
Шаг в будущее
Инструкции по системе ДО
Литература о Moodle (гостевой доступ)
Поддержка Moodle
Разработка Moodle
Трекер Moodle
Документация Moodle
Новости Moodle
Вы используете гостевой доступ (
Вход
)
Перейти к основному содержанию
Прикладной анализ данных
В начало
Курсы
Прикладной анализ данных
Лекции
Лекция 3. Описательные статистики
Лекция 3. Описательные статистики
Нажмите на ссылку
lecture_tipy priznakov%2C opisatelnye statistiki.pdf
, чтобы просмотреть файл.
Предыдущий элемент курса
◄ Лекция 2. Развитие цифровой экономики
Перейти на...
Перейти на...
Лекция 1. AI-тренды
Лекция 2. Развитие цифровой экономики
Лекция 4. Введение в машинное обучение
Лекция 5. Введение в прикладной анализ данных
Лекция 6. Валидация модели
Лекция 7. Деревья решений
Лекция 8. Предобработка данных
Лекция 9. Регрессия
Лекция 10. Нейронные сети
Лекция 11. Ассоциативные правила. Кластеризация
Лекция 12. Текстовый анализ данных
Open source text analytics
NumPy.ipynb
neuron pytorch
Derivative.ipynb
matrices.ipynb
Probability.ipynb
vectors.ipynb
Optimization.ipynb
neuron pytorch.ipynb
03 faq bot
1 Линейные методы, аналитическое решение 2
02 ok toxic classification and vectors
01 basic nlp tools
2 Линейная регрессия, градиентный спуск 3
3 Классификация, регрессия,метрики, sklearn
04 Bert NER ru
05 GPT example
Python And Data Analysis
Файлы для практики
Сообщество по ИИ и машинному обучению/ Открытые наборы данных
Российская ассоциация искусственного интеллекта
Образовательная онлайн-платформа с курсами по ИИ
Научная электронная библиотека
Академия Google
Школа анализа данных
Портал открытых данных РФ
Пакеты открытых данных
Коллекции данных
Основные фреймворки для целей машинного обучения и искусственного интеллекта
Список материалов и кейсов применения ML и DS в промышленности
9 бесплатных курсов Гарварда для изучения науки о данных в 2022 году
Погружаемся в графы. Изучаем применение графов в аналитике данных
70 ресурсов с открытыми данными
100 бесплатных курсов и ресурсов по аналитике данных
Atoti — бесплатная аналитическая платформа Python BI для количественных расчетов, аналитиков данных, специалистов по данным и бизнес-пользователей
Искусственный интеллект с примерами на Python
Машинное обучение с участием человека
Сильный искусственный интеллект На подступах к сверхразуму
mastering-data-mining-with-python
Прикладное машинное обучение без учителя с использованием Py
Антология машинного обучения Важнейшие исследования в области ИИ
Барский А Б Искусственный интеллект и логические нейронные сети
Распределенные данные Алгоритмы работы современных систем хранения
Машинное обучение на R экспертные техники для прогностического анализа
Следующий элемент курса
Лекция 4. Введение в машинное обучение ►
В начало
Календарь
МГТУ имени Н.Э.Баумана