Скачать "Погружение в Data Science : обучаем свою первую нейросеть за три дня . День третий"
%3Aformat(webp)%2Fi.ytimg.com%252Fvi%252FOBOWhTuuI3g%252Fmaxresdefault.jpg&w=1139&q=75)
Похожие ролики из нашего каталога
%3Aformat(webp)%2Fi.ytimg.com%252Fvi%252F1QRLAON8sSY%252Fmaxresdefault.jpg&w=1139&q=75)
%3Aformat(webp)%2Fi.ytimg.com%252Fvi%252FN4uW-jinJVI%252Fmaxresdefault.jpg&w=1139&q=75)
%3Aformat(webp)%2Fi.ytimg.com%252Fvi%252FSMRDfb9eDEY%252Fmaxresdefault.jpg&w=1139&q=75)
%3Aformat(webp)%2Fi.ytimg.com%252Fvi%252FYNAssnrUIE4%252Fmaxresdefault.jpg&w=1139&q=75)
%3Aformat(webp)%2Fi.ytimg.com%252Fvi%252FYaDxh8cVa8Y%252Fmaxresdefault.jpg&w=1139&q=75)
%3Aformat(webp)%2Fi.ytimg.com%252Fvi_webp%252Fi4Tx2CEfmt8%252Fmaxresdefault.webp&w=1139&q=75)
%3Aformat(webp)%2Fi.ytimg.com%252Fvi_webp%252FoNkBSlVduGo%252Fmaxresdefault.webp&w=1139&q=75)
%3Aformat(webp)%2Fi.ytimg.com%252Fvi%252FqM8JLrD52jw%252Fmaxresdefault.jpg&w=1139&q=75)
%3Aformat(webp)%2Fi.ytimg.com%252Fvi%252Ft8dt2iBQAHI%252Fmaxresdefault.jpg&w=1139&q=75)
%3Aformat(webp)%2Fi.ytimg.com%252Fvi%252Fwyfm7_39e9I%252Fmaxresdefault.jpg&w=1139&q=75)
Теги видео
Субтитры
Английский
00:00:02
[музыка]00:05:08
[музыка]00:05:31
[музыка]00:06:13
[музыка]00:06:26
[музыка]00:06:51
[музыка]00:07:02
[музыка]00:07:36
[музыка]00:07:47
[музыка]00:08:37
[музыка]00:08:48
[музыка]00:09:28
Всем привет друзья Я очень рада вас00:09:32
приветствовать на уже третьем дне нашего00:09:35
онлайн интенсива где мы погружаемся в00:09:38
профессию00:09:40
и мы обучаем свою первую нейросеть00:09:43
Стараемся сделать за три дня уложиться в00:09:46
наш интенсив и как и предыдущие два дня00:09:49
сегодня с нами будет Эксперт Мария00:09:52
Жарова которая работает в команде00:09:54
разработки рекомендательных систем Сбер00:09:56
и является ментором на курсе дата сайнс00:10:00
и поехали по традиции в первую очередь00:10:04
нам нужно с вами проверить связь00:10:06
пожалуйста ставьте в чат плюсик Если вы00:10:10
меня видите Если вы меня слышите Я00:10:12
сейчас захожу тоже в наш час телефона00:10:15
если что когда я смотрю в сторону это я00:10:17
от вас не отвлекаюсь а наоборот00:10:20
общаюсь и выстраиваю коммуникацию с00:10:24
небольшой задержкой идет трансляция00:10:25
поэтому я вижу ваше сообщение чуть позже00:10:29
но очень их жду и вот сейчас прям уже00:10:33
нацелена в чат видеть ваши плюсики и00:10:36
пока вы ставите плюс чтобы я поняла что00:10:39
связь у нас налажена Можете написать00:10:41
следующим сообщением какой Это для вас00:10:44
день интенсива чтобы Мы понимали с кем00:10:48
вы сейчас работаем в теме вы уже или вы00:10:50
только первый раз пришли и пытаетесь00:10:52
Боже мы тут делаем Итак поставьте в чат00:10:55
один Если вы были на одном занятии на00:10:59
одном дне поставьте два если были уже на00:11:03
двух и поставьте в чат 0 если пришли в00:11:06
самый первый раз и еще ничего не знаете00:11:09
о профессии00:11:10
Если вы впервые то Расскажите как вас00:11:14
зовут сколько вам лет сейчас работаете В00:11:17
общем что считаете нужным и себе00:11:18
рассказать нам будет очень интересно и00:11:21
это позволит дать вам информацию00:11:22
максимально полезную и00:11:24
персонифицированную я смотрю в чат00:11:27
плюсики Значит все связь есть и о кто-то00:11:31
у нас сегодня даже первый раз00:11:33
замечательно кто-то был на одном но00:11:37
большинство все-таки уже в третий день00:11:39
Ну что друзья для тех кто самый первый00:11:41
раз я еще немножечко расскажу и сегодня00:11:45
вас тоже ждут разные подарки приятные00:11:48
бонусы Так что обязательно оставайтесь с00:11:52
нами и активно отвечаете на мои вопросы00:11:54
задавайте свои в чате так едем дальше00:12:00
секунду00:12:02
Привет Сегодня у нас третий ламповый00:12:05
день немного вспомним о программе и00:12:08
условиях обучения а потом разберем ваши00:12:11
домашки в прямом эфире кстати пишите Кто00:12:14
делал домашку как она вам было сложно00:12:17
или нет Все свои мнения потому что00:12:20
большинство из вас уже получается себя00:12:23
впервые почувствовали00:12:26
впервые делали какую-то задачу и Вот00:12:29
какие у вас ощущения откликнулась эта00:12:32
работа понравилась профессия или же нет00:12:34
пишите Будет очень интересно узнать И00:12:36
пока вы рассказываете делитесь своими00:12:38
впечатлениями мы немножечко начнем00:12:42
развели мифы о профессии и об обучении00:12:45
потому что у многих на старте есть00:12:50
определенные страхи которые встречаются00:12:52
чаще всего давайте как раз о них00:12:54
поговорим первый вопрос точно ли я смогу00:12:57
найти работу после обучения Ну тут я00:13:01
хочу ответить в цифрах цифры скажут00:13:03
лучше за меня даже 81 процент наших00:13:07
выпускников достигают своей карьерной00:13:10
цели на самом деле это очень высокий00:13:12
процент потому что историю всех разные00:13:14
причины почему люди не становятся00:13:16
специалистами той или иной профессии00:13:18
тоже разные и 81 процент выпускников это00:13:22
супер круто гарантия сто процентов00:13:25
конечно невозможно потому что как я уже00:13:27
сказала множество факторов на это влияет00:13:29
но мы прикладываем все усилия к тому00:13:32
чтобы вы достигнули своей карьерной цели00:13:35
нашли работы ну и собственно верим что у00:13:37
вас все получится и помогаем в этом не00:13:41
только на словах Разумеется не поддержка00:13:44
имитации что будет хорошо конечно на00:13:47
практике И для этого Мы создали центр00:13:50
карьеры который помогает всем00:13:52
выпускникам и даже студентам еще00:13:54
обучающимся нашего курса проработать00:13:57
свое резюме подготовиться к00:13:59
собеседованию даже можем провести00:14:02
там репетицию собеседования чтобы уже00:14:04
было совершенно не страшно устраивать00:14:07
самую презентацию перед будущим00:14:08
работодателем и в общем комплексно00:14:11
помогаем найти работу в datascience и00:14:14
помощь центр карьеры входит в программу00:14:17
курса для всех выпускников без00:14:19
дополнительной платы а это очень много00:14:23
дополнительных услуг наших опытных и час00:14:26
специалистов которые вас сопровождают на00:14:28
каждом из этапов из которых состоит00:14:31
трудоустройство вы вместе с этими00:14:35
hr-специалистами проведете аудит00:14:36
компетенции своих Определите цели и00:14:40
составите пошаговый план действий Потому00:14:41
что когда вы начинаете строить свою00:14:44
каретку новую с нуля новой профессии00:14:46
очень важный цель и очень важно иметь00:14:50
последовательный план действий а не00:14:53
просто разрознены туда-сюда мне надо это00:14:56
мне надо так вы можете хаотично00:14:59
запутаться и застопориться на какой-то00:15:03
одной на одном этапе или идти по00:15:06
карьерной лестнице и вот как раз00:15:07
профессионалы помогают вам определить00:15:10
именно вашу цель которая вам будет00:15:13
откликаться далее составляют помогают00:15:17
мне вам составить резюме портфолио для00:15:20
этих специалиста это очень важные пункты00:15:22
Это Ваше лицо прежде всего эти00:15:24
специалиста00:15:25
воспринимают и выбирают прежде всего по00:15:29
вашим навыкам по иллюстрации этих00:15:31
навыков А как проиллюстрировать конечно00:15:33
же составив из проектов портфолио и00:15:37
составив резюме вы также потренируетесь00:15:39
перед собеседованиями и тестовыми00:15:42
заданиями и еще какая важная фишка вы00:15:46
сможете первыми увидеть вакансии от00:15:49
наших топовых партнеров поучаствовать в00:15:52
активностях карьерного клуба00:15:55
это00:15:57
разные другие мероприятия где вы00:16:01
коммунициру с представителями профессии00:16:04
находите себе партнеров находите себя00:16:06
работодатели себя презентуете и будете в00:16:10
закрытых каналах чатах собственно вот00:16:13
коммуникацию наводить и уже во время00:16:15
учебы вы сможете брать фриланс заказы а00:16:18
средины курс откликаться на Джуниор00:16:20
вакансии и в дальнейшем совмещать с00:16:23
работой по профессии обучения которое вы00:16:26
проходите получать деньги соответственно00:16:28
отбивать00:16:30
эту оплату если кто был на первом дне00:16:34
помните00:16:36
студент подключался который рассказывал00:16:38
что еще не закончил курс уже с лихвой00:16:40
окупил его стоимость Но это Прям вообще00:16:43
супер классный кейс это идеальный00:16:45
вариант В общем за два-три месяца но00:16:47
вместе работы Вы заработаете больше00:16:48
обучения уже это сказала и мы поможем00:16:51
составить план чтобы быстрее расти в00:16:54
грейдах и зарплате следующий00:16:57
я диктую мифы А вы можете кстати сразу00:17:00
там помечать что да да про меня точно я00:17:03
именно такой человек который боится не00:17:06
найти работу или боится чего-то еще и00:17:10
следующий миф который часто озвучивают00:17:12
наши студенты или абитуриенты у меня не00:17:16
мощный компьютер Могу ли я обучаться00:17:19
в начале обучения в целом во всем00:17:23
процессе Наверное вам подойдет любой00:17:25
офисный или домашний компьютер с выходом00:17:27
в Интернет мощный процессор или дорогая00:17:30
видеокарта не пригодится мы научим вас00:17:32
использовать облачные технологии для00:17:35
вычислений и все занятия будут проходить00:17:37
на нашей лмс платформе00:17:40
и приложение для видеоконференции В00:17:43
целом все компьютеры тянут эти программы00:17:47
следующий вопрос00:17:49
наболевший Сколько нужно уделять время00:17:51
обучению Ведь я еще и работаю и семья у00:17:54
меня их хобби И еще миллион всего Как же00:17:57
быть на самом деле придется потрудиться00:18:01
придется наверстать свои навыки и00:18:04
подкачать свои навыки тайм-менеджмента00:18:06
потому что дополнительная серьезная00:18:09
занятость у вас появится но и обучение00:18:11
действительно стоящее фундаментальные00:18:15
среднем от 8 часов в неделю вам00:18:17
потребуется на изучение профессии если00:18:20
уже есть опыт в этой сфере то занятие00:18:22
выполнения заданий займут гораздо меньше00:18:24
времени можно заниматься в удобном для00:18:27
вас и 70 процентов наших студентов00:18:29
совмещают с полным рабочим днем00:18:31
обучением Представьте эти 8 часов Вы00:18:34
можете проходить откуда угодно В целом00:18:36
вы едете с работы домой если они сами за00:18:40
рулём конечно и изучайте материалы я так00:18:43
даже делала Кстати00:18:45
когда обучалась очень удобно Либо вы пос00:18:49
21 день какой-то 8 часов сразу на00:18:52
обучение Как рабочий день ну или вот00:18:54
раскидываете по неделе в общем все00:18:56
реально следующее утверждение что если я00:18:59
не справлюсь нагрузкой тут есть гарантии00:19:02
в программе предусмотрены каникулы во00:19:05
время которых можно отдохнуть или00:19:06
повторить сложные темы а также менторы00:19:09
вам помогают разобрать эти самые сложные00:19:11
темы развивать их для вас Если вдруг00:19:14
что-то сильно непонятно Если вы совсем00:19:16
не успеваете можно включить заморозку00:19:18
обучения тоже такой вариант возможен еще00:19:21
у вас будут стажировки от реальных00:19:24
заказчиков это самое главное для00:19:26
будущего специалиста для начинающего00:19:27
специалиста собственно это то что00:19:31
подарит вам опыт и наши студенты для00:19:33
заказчика за четыре месяца решили в00:19:36
команде вот такую задачу пример На00:19:39
основе данных о процессе бурения00:19:40
нефтяных скважин предсказать аварии00:19:43
связанные с обрушением стен от волосах00:19:46
то есть студенты решают реальные задачи00:19:49
в очень серьезных сферах серьезных00:19:51
отраслях и потом все это идет в Ваше00:19:55
портфолио и собственно демонстрирует00:19:58
ваши знания и навыки работодателя но00:20:00
сейчас я основной рассказала Напоминаю00:20:03
что у вас есть специальная очень крутая00:20:05
скидка для участников нашего интенсива00:20:07
чтобы ее забронировать вам нужно нажать00:20:10
на кнопку под видео или перейти по00:20:12
ссылке в чате и оставить заявку на курс00:20:16
забронировать скидку и забронировать00:20:18
себе бесплатную карьерную консультацию00:20:20
от нашего специалиста прямо сейчас00:20:22
ничего не вяжет не нужно ничего00:20:24
оплачивать потом подумать примите00:20:27
решение и займет вас 10 так что можете00:20:30
прямо сейчас сделать пока00:20:32
Мария не приступила к повествованию00:20:35
своей части00:20:38
Мария прием прием00:20:40
Да прием меня слышно Привет да слышно я00:20:45
передаю тебе бразды правления от00:20:47
зрителям просьба оставлять вопросики в00:20:51
чате во время того как поре будет00:20:52
разбирать домашние задания Будьте00:20:55
активными будем болтать после00:20:58
практической части Все я передаю бразды00:21:00
правления тебе экран в том числе от его00:21:03
уже забрала все супер отключаюсь да00:21:06
Спасибо Лена Всем привет друзья всех00:21:08
рада приветствовать всем еще не знакомы00:21:11
Меня зовут Мария Жарова и я работаю в00:21:13
команде разработки сбера Сегодня у нас00:21:16
третий день когда мы будем разбирать00:21:18
ваши домашние работы пришло довольно00:21:21
много Сегодня мы постараемся ложиться в00:21:24
час и посмотреть на каждый колоб который00:21:26
вы нам скинули Вот буду идти00:21:29
последовательно в том порядке которую вы00:21:31
прислали мне Telegram поэтому Надеюсь00:21:33
своей работы вы узнаете там некоторых не00:21:36
очень понятны ники поэтому Надеюсь что00:21:38
просто узнайте свою работу00:21:40
Я предлагаю следующим образом построить00:21:42
нашу работу у нас есть три задания даже00:21:46
4 довольно таки простых алгоритмических00:21:48
на них мы посмотрим различные варианты00:21:51
решения Но как Только это начнет00:21:53
повторяться мы с вами будем идти чуть00:21:55
быстрее и также есть более интересные 500:21:58
6 задание которых нужно было00:22:01
протестировать модели посмотреть на00:22:03
качество00:22:04
какие-то свои данные подставить и вот00:22:07
здесь я предлагаю вам сейчас начать00:22:10
записывать Лидер борт наших моделей00:22:13
Какая работает лучше всего Какая мини00:22:17
качественная и потом подведем с вами00:22:19
итоги Победителей среди моделей которые00:22:21
работают самые низкими метриками00:22:25
плане цифры будут самыми маленькими00:22:27
здесь напомню что Чем ниже У нас вот эта00:22:30
цифра средней ошибки тем получается00:22:33
более хорошо работает модель потому что00:22:36
нам эту ошибку нужно уменьшить00:22:38
вот Ну и по поводу самих результатов мы00:22:41
их огласим в чате наверное возможно00:22:44
после выходных Сегодня все-таки пятница00:22:46
вот проверим все ваши работы с первого00:22:49
дня со второго и там уже напишем про00:22:52
подарки вот Ну давайте начинать Я00:22:55
открыла самую первую работу она была00:22:57
Светланы и начнем с первого задания00:23:00
здесь нужно было назвать число колонок00:23:03
файле если говорить про самый простейший00:23:06
метод который здесь можно было00:23:07
использовать это допустим метод Shake00:23:10
Вот про то что я говорила вам на00:23:13
вчерашнем занятием Вот но здесь немножко00:23:16
другой вариант он тоже отлично работает00:23:18
и подходит это использовать метод00:23:21
calance и дальше посчитать длину00:23:23
получившегося списка давайте сделаем00:23:27
то есть мы применяем коламс получаем00:23:30
если помните списочек всех колонок на00:23:33
самом деле если применить еще одну00:23:36
функцию которая называется Лен мы ее с00:23:38
вами вчера не проходили но на всякий00:23:41
случай Мы сейчас будем с вами смотреть00:23:43
на решение и такой статистики на каждое00:23:46
решение находится где-то 2-3 различных00:23:48
варианта Даже несмотря на то что00:23:51
количество функций оно ограничено00:23:52
получается очень много таких различных00:23:55
решений и вот здесь один из таких00:23:57
случаев метод Лен мы его не изучали на00:24:01
всякий случай он показывает нам длину00:24:03
чего-либо это может быть длина файлика00:24:06
то есть количество строк может быть00:24:08
длина этого списка колонок то есть что00:24:11
она сильно в принципе число колонок00:24:13
любом случае правильный ответ здесь 500:24:16
можете себе для тех кто использовал этот00:24:19
его запомнить заметку это вообще00:24:22
отличная полезная штука00:24:24
Давайте ко второму заданию здесь нужно00:24:26
было посмотреть на имя самой первой00:24:28
колонке и здесь нам также приходит на00:24:32
помощь метод если помните Можно вывести00:24:35
название всех колонок Ну чтобы получить00:24:38
доступ именно непосредственно к00:24:41
определенному имени первой колонке ко00:24:44
второй третий чтобы не выводить00:24:46
здесь вот применен еще один такой00:24:50
прием который мы с вами не рассматривали00:24:52
это обратиться к значению по индексу То00:24:57
есть как вы понимаете коламс это у нас00:24:59
длинный список в котором 5 колонок00:25:02
первый касса мироди потом идет пол00:25:04
возраст сумма покупки и оценка чтобы нам00:25:09
вывести только Каст номер один только00:25:11
самую первую колонку это имя Мы можем00:25:14
написать такие квадратные скобочки и00:25:16
внутри поставить 0 соответственно Если00:25:19
вы напишите единичку вас 2 колонки если00:25:22
поставите двоечку название 3 колонки то00:25:25
есть нумерации просто ведется с нуля и00:25:28
такой индекс 0 он показывает нам00:25:30
значение название первого00:25:34
так дальше у нас идет третье задание и00:25:37
прям в каждом задании встречается те00:25:39
функции которые мы не изучали поэтому00:25:41
сейчас для тех кто с ними не00:25:44
познакомился можете себе взять на00:25:46
заметку третьим нужно было посмотреть на00:25:49
максимальную оценку от пользователя но00:25:51
если говорить про вариант как я обещала00:25:54
что все можно решить на основе по Мотива00:25:57
вчерашнего дня то можно использовать00:25:58
например сортировку но гораздо на самом00:26:02
деле лучше воспользоваться такой функции00:26:04
как Макс которая как витруно догадаться00:26:07
выводит максимальное значение по колонке00:26:09
Ну или по какому-то Просто набор здесь00:26:12
данном случае качестве00:26:14
аргументации Макс был подан только00:26:17
столбец00:26:19
оценок поэтому выводятся максимальная00:26:22
оценка это будет ответом на поставленный00:26:25
вопрос00:26:26
так дальше У нас 4 задание под00:26:28
звездочкой здесь я предлагала вам00:26:30
воспользоваться методом дроп bable Kids00:26:33
который мы не рассматриваем00:26:34
и проверить если дубликат в данных00:26:37
написать да или нет00:26:39
На самом деле конструкция с условиями00:26:41
это замечательный вариант для решения00:26:44
этого задания здесь Давайте вспомним00:26:47
немножко первый день если длина00:26:50
исходного00:26:52
файлика равна длине файлика после00:26:55
удаления дубликатов тогда мы печатаем00:26:58
нет то есть ответ что дубликатов данных00:27:00
нет если это неверно Тогда печатаем да00:27:03
отличное решение то есть мы сверяем00:27:05
длину данных то удаление дубликатов и00:27:07
после если они одинаковые тогда говорим00:27:10
что все правильно дубликатов нет если00:27:13
это условие не выполнится получается мы00:27:15
удалили из данных какие-то строчки00:27:17
дублицирующиеся у нас из-за этого длина00:27:20
перестала совпадать и мы печатаем ответ00:27:22
да то есть дубликаты Есть00:27:26
самому интересному Пятому заданию это00:27:29
найти другие модели из библиотеки сканер00:27:32
или не обязательно из нее запустить на00:27:35
них модель протестировать И давайте00:27:37
начинать составлять наш список лидеров00:27:41
здесь моделька случайного леса на всякий00:27:44
случай расскажу Вчера мы немножко00:27:47
разобрали Как работает Линейная00:27:49
регрессия То есть она пытается подобрать00:27:51
каждому столбцу какой-либо коэффициент А00:27:55
здесь у нас модель случайного лес и она00:27:57
работает немножко по-другому она что-то00:28:00
в духе детского теста и журналов если00:28:03
помните допустим у нас прошу первый00:28:06
вопрос Любите ли вы сладкое ответ да или00:28:09
нет И под следующей стрелочкой допустим00:28:11
Если Вы ответили до вас спрашивают А00:28:13
Любите ли вы шоколад тоже спрашивают Да00:28:16
или нет А по стрелочка где Вы ответили00:28:18
нет на вопрос что не любите сладкое00:28:20
допустим вопрос а любители вы соленые то00:28:23
есть такого видео расширяется это так00:28:26
называемое дерево и то же самое по00:28:29
такому же принципу работает модель00:28:30
только она спрашивает вопросы не такие00:28:34
вот Да нет она ставит некоторые границы00:28:37
для наших числовых данных то есть00:28:40
допустим00:28:41
первый вопрос для нашего файлика00:28:43
человеку больше 50 лет или меньше Ну как00:28:47
бы да или нет истины либо ложно00:28:49
Следующий вопрос допустим мужчина это00:28:51
или женщина тоже вопрос нолики либо00:28:54
единичка да или нет то есть вот в таком00:28:57
вот виде все это выспрашивается00:28:59
формально модели дерево и на самом деле00:29:02
работает Они очень даже неплохо здесь00:29:04
вот так мы видим средний квадратичная00:29:06
ошибка 18 и давайте запишу округляя 8500:29:11
результат запомним для рендом Forest00:29:14
Случайный лес00:29:16
Вот и будем смотреть на следующие00:29:19
варианты Сможет ли кто-то побить этот00:29:21
показать Так мы последнее задание это00:29:24
было попытаться сделать предсказание на00:29:26
собственных данных здесь можно было00:29:28
запустить например ID Это следующий нас00:29:34
а значение Это пол возраст и сумма00:29:38
покупки Здорово Что попытались подобрать00:29:41
свой собственный предсказание правда00:29:43
человек получается на сумму 0 купил00:29:46
интересно и очень замечательно вообще00:29:49
работать в конце сделано00:29:52
рассмотрение важности отдельных00:29:54
признаков как я вам рассказывала вчера00:29:57
кажется пару слов что у вас есть00:29:59
различные00:30:00
колонки ваших данных и понятно что у00:30:04
каждой колонки может быть разное влияние00:30:06
на итоговый ответ предположим ситуацию00:30:10
что у вас табличка с информацией про00:30:13
студент там есть00:30:15
и их оценки за какие-то отдельные00:30:18
предметы есть допустим возраст есть свет00:30:21
глаз есть язык на котором они говорят и00:30:23
кто-нибудь итоговая оценка за четверть00:30:27
по какому либо другому предмету Ну вот00:30:29
вероятно что оценки по каким-то00:30:32
предметам они будут влиять гораздо более00:30:34
сильно чем цвет глаз студента Вот и в00:30:37
этом заключается важность признаков то00:30:40
есть или важность колонок по-другому что00:30:43
допустим оценка она влияет больше чем00:30:45
цвет глаз и можно отобразить все это00:30:48
тоже на графике Вот график важности00:30:52
получается фичей так называемых здесь мы00:30:55
видим что Пол совершенно не влияет00:30:56
итоговый ответ очень сильно влияет00:30:59
возраст Далее идет кастами ради и сумма00:31:03
покупки Да ну и скажу тогда еще сразу правильный00:31:06
ответ на этот постскрипту что не00:31:09
информативно является колонка кастами00:31:11
ради понятно что адишник клиента он00:31:14
никак не может повлиять на итоговую00:31:16
оценку которую он поставит нашему00:31:18
магазину Это вообще считаете некоторые00:31:20
ключ цифры из базы данных которые клиент00:31:23
даже не знает который никак не00:31:25
характеризует его пользователя Поэтому00:31:28
здесь на самом деле с точки зрения00:31:30
обучения эту колонку желательно Удалить00:31:33
Мы видим что она показывает довольно00:31:35
таки большую значимость относительно00:31:38
других колонок00:31:40
втором месте но по сути на самом деле по00:31:44
смыслу мы понимаем что она никак не00:31:46
влияет и вот эти не информативные00:31:47
колонки их всегда принято удалять из00:31:50
данных чтобы не было лишнего шума и вот00:31:53
таких несправедливых зависимости00:31:55
вот поэтому можно ради интереса по00:31:58
обучать модельку еще и без каски ради но00:32:00
в принципе показатели 1885 достаточно00:32:04
высокая Метрика с низкая цифра но00:32:07
высокая00:32:09
следующая работа оказалась без доступа00:32:12
Посмотрите пожалуйста кто-то второй по00:32:15
счету Я доступа запросил уже00:32:18
на всякий случай если увидите чтоб мы00:32:22
могли проверить вашу работу00:32:25
понедельнику и участвовали00:32:29
Давайте двигаться дальше следующая00:32:31
третья работа здесь даже сделали импорт00:32:34
некоторые конструкции00:32:36
грубой но Давайте дальше посмотрим где00:32:40
она используется00:32:42
на вроде бы здесь Даже нигде этого нету00:32:46
Давайте проверим00:32:49
Да не знаю зачем импортировали Ну ладно00:32:52
здесь примерно аналогичный получается00:32:54
решение во всех первых четырех заданиях00:32:57
тоже самый метод тоже самое00:33:01
нулевой индекс тоже самое спор00:33:05
так только используется другая модель00:33:07
это Градиент Бусинка регресс так и к00:33:11
сожалению Метрика Здесь даже не00:33:13
определилась давайте я тогда попытаюсь00:33:16
сейчас запустить00:33:17
весь этот файлик00:33:20
а за на моего скачаю стоп нам посмотреть00:33:24
на оценку модели00:33:27
может видим ноутбук Не запускался00:33:41
давайте пока пойдем последующим работам00:33:44
А хотя у нас все уже запустилась и00:33:46
получается для клиентов у нас Метрика00:33:50
197 пока что это второе место среди всех00:33:53
наших моделей00:33:54
Так мы протестирование здесь тоже00:33:58
попробовали свои данные это здорово00:34:01
так перехожу к четвертой работе00:34:04
так и здесь вот небольшое замечание00:34:07
хочется сказать который относится к00:34:10
оформлению что считывать Файлик с00:34:13
данными принято один раз во всем00:34:15
ноутбуке То есть вы считали где-то его00:34:17
Там сверху один раз Ну или вы здесь 100:34:20
ячейки Если вдруг у вас эти импорт и00:34:23
чтение сбились и все это достаточно00:34:25
сделать только в одной ячейке только00:34:27
один раз и все эти данные вся вот этого00:34:31
дата она будет как бы распространяться00:34:33
на весь ноутбук то есть область00:34:35
видимости будет настроен00:34:38
просто не нужно делать это много раз это00:34:42
будет занимать много времени обращения00:34:45
по этой ссылке00:34:47
скачивание файлика он может занимать00:34:50
много места это сейчас у нас на 20000:34:52
строк если будет на несколько тысяч00:34:55
строк несколько миллионов это уже будет00:34:57
гораздо гораздо дольше и то же самое00:35:01
хочется сказать про импортированный00:35:02
библиотеки00:35:04
понятно что она вам здесь пригождается00:35:07
много раз но все-таки00:35:11
это тоже занимает время это тоже00:35:14
занимает некоторые ресурс и совершенно00:35:17
не нужно делать это во много раз00:35:19
достаточно один раз написать это есть00:35:21
такое даже стандарт называется Пеппа 800:35:23
Когда вы первый самый ячейки подгрузили00:35:26
все ваши библиотеки соответственно Новый00:35:30
Человек который открывает ваш ноутбук он00:35:32
сразу видит что вы используете поэтому00:35:34
есть такое правило просто для ноутбуков00:35:37
для бетона что все выгрузки необходимо00:35:40
делать только один раз и первые чеки00:35:42
ноутбук Поэтому в каждой задании это00:35:45
писать конечно не требуется Так давайте00:35:48
посмотрим на сами задание сами решения00:35:50
Здесь тоже самый вариант00:35:53
почему-то никто не хочет использовать00:35:55
Шейк который мы с вами прошли вчера вот00:35:58
и функции вывода на экран Здорово что я00:36:00
тоже воспользовались потому что бывают00:36:02
ситуации когда00:36:03
пишут просто получается и у вас на00:36:08
экране чего не отображается вот из-за00:36:10
того что00:36:11
у вас00:36:14
Питере букета что вы используете00:36:17
вывод на экран происходит только самый00:36:20
последний строки поэтому Если вы00:36:22
напишите00:36:24
только один раз только с последней00:36:27
строчки С предыдущей не выведет поэтому00:36:30
можно писать чтобы от этого себя00:36:32
обезопасить и вывод экран был всегда00:36:36
Так давайте смотреть на второе задание00:36:38
здесь получается то же самое тоже00:36:41
правильный ответ Каста мир 1 и вывели00:36:44
также название всех колонок что тоже00:36:46
Здорово может быть интересно полезно00:36:48
будет читать или посмотреть00:36:51
так максимальный скор 99 Да здесь даже00:36:55
вижу создали дополнительную переменную00:36:57
для того чтобы поместить туда вот эту00:36:59
самую дата Макс Ну за что конечно00:37:02
отдельный плюс на вывели вы получается00:37:05
посчитали сейчас00:37:07
максимальная для каждой колонки и дальше00:37:10
вывели максимально уже для только00:37:17
все как нужно00:37:20
так его здесь в четвертом вижу что00:37:22
воспользовались не подсказкой а методом00:37:24
немножко другим не друг есть а00:37:27
дуплекейты это на самом деле тоже00:37:29
отлично вообще решение дублики это он00:37:32
что делает для каждого значения В нашем00:37:36
файлики дата он составляет так00:37:39
называемую маску то есть новый столбец00:37:41
фактически который для каждой строчки00:37:43
говорит дубликат она либо нет00:37:45
соответственно Там просто стоит руль00:37:48
либо фос вот и происходит проверка и00:37:50
если все это ложно то есть если там ни00:37:53
одного дубликата если для каждой строчки00:37:55
мы говорим что для нее не найдется такой00:37:58
же одинаковые похожий тогда получается00:38:01
Весь вот этот объект стал без так00:38:04
называемый из дата точка дуплект будет00:38:06
состоять из значения00:38:09
Вот Но они он проверяет как бы00:38:11
истинность условия то есть что либо00:38:14
что-то равно чему-то либо что-то меньше00:38:16
больше либо если вы прописываете вот00:38:19
такой один объект то их проверяет что он00:38:21
не пустой но в данном случае у нас все00:38:24
равно false поэтому получается как бы00:38:26
весь пустой поэтому получается если00:38:29
здесь у нас будет все таки какой-то один00:38:31
труп то есть хотя бы один дубликат тогда00:38:34
будет выведена удалить дубликаты Ну00:38:37
немножко на самом деле не то что00:38:39
требовалось задание здесь Логично было00:38:41
бы место вот этой строки написать Принт00:38:43
есть дубликат00:38:46
удаляете как было Это было бы актуально00:38:49
Если бы вы дальнейшем делали какую-то00:38:52
модель у нас кстати так и происходит в00:38:54
принципе да мы действительно делаем00:38:55
модель00:38:56
Вот только нужно переобучить00:38:59
перенеслизировать вот эти вот X Y00:39:02
а чтобы у вас они обновились00:39:05
дубликатов не было потому что для всех00:39:08
моделей перед их обучением принято Вот00:39:11
как раз таки дубликаты удалять с той00:39:13
точки зрения что если у вас есть00:39:15
какие-то одинаковые значения Файлик то00:39:17
как правило они принадлежат одному и00:39:19
тому же человеку записи транзакции либо00:39:23
что-то у вас в базе сбилась и одинаковые00:39:25
значения появились вот поэтому дубликат00:39:28
удаляют потому что тогда у вас модель00:39:31
может уловить некоторую ложную00:39:34
зависимость что мне ни одного человека00:39:36
нужно учитывать два раза что будет00:39:38
конечно неверно нам нужно00:39:41
поэтому дубликаты удаляет всегда и везде00:39:44
перед началом обучения модель00:39:47
так и дальше идет 5 задание Здесь тоже00:39:51
немножко неточность возникла Ван00:39:53
хот-кодер это не модель это кодировщик00:39:57
для данных00:39:58
То есть это объект Я вчера рассказывала00:40:02
по-моему несколько слов что00:40:05
всегда принято на вход модели подавать00:40:08
именно числовые данные потому что многие00:40:10
модели они не умеет работать им00:40:13
необходимо все это закодировать числа00:40:15
вручную поэтому очень часто применяется00:40:19
различные методы для кодирования и Один00:40:22
из таких это вот как раз таки тот самый00:40:25
обучение которое нам будет что-то00:40:27
предсказывать это Модель которая будет00:40:31
кодировать наши данные поэтому здесь00:40:34
немножко неправильно здесь использовали00:40:37
он не подойдет для предсказания он нужен00:40:40
только для кодирования00:40:42
так ну ладно зато мы с вами00:40:44
познакомились дальше у нас идет00:40:47
предсказание предсказание для линейной00:40:49
регрессии кстати Представьте что вообще00:40:52
происходит модели этой самой регрессии00:40:54
она пытается африкмировать все ваши00:40:57
данные прямой То есть у вас есть00:41:00
какие-то данные условно Представьте они00:41:03
какой-нибудь 2D формате на графике00:41:05
представлены точечками00:41:08
пытается провести прямую через все эти00:41:10
данные00:41:11
что конечно не всегда верно потому что00:41:15
не все данные можно00:41:17
обобщить какой-то одной линии это может00:41:20
быть степенная зависимость это может00:41:22
быть вообще что-то не линейное00:41:25
определенное на какие-то подобности00:41:27
области Вот поэтому Линейная регрессия00:41:30
она Как видите предсказывает для любого00:41:32
вообще значения что-то в районе среднего00:41:34
то есть 5400:41:36
где-то было 5200:41:39
потому что она просто провела прямую00:41:41
через данные Хотя эти данные Они как мы00:41:44
сами видели как минимум по графику00:41:46
зависимости00:41:48
возраста скоро Давайте посмотрим это00:41:52
было00:41:53
Да здесь видим не отобразилась была она00:41:56
зависимость и там было видно что бы нет00:41:58
линейности поэтому длинная регрессия она00:42:02
здесь Не совсем подходит Но мы с вами00:42:04
видим что бусинки деревья не работает00:42:06
гораздо более точно00:42:08
Так давайте двигаться дальше я уже00:42:10
Переключилась на другую вкладку Здесь00:42:12
тоже хочу сделать замечание что не нужно00:42:14
делать выгрузку данных и подгрузку00:42:17
библиотек в каждой ячейке это совершенно00:42:21
ни к чему и наконец у нас появляется00:42:24
первое задание метод тот самый который00:42:26
мы с вами прошли который предполагалось00:42:29
что все будут использовать00:42:30
почему-то воспользовались методом00:42:36
как метод00:42:39
Вот и здесь Также можно обращаться00:42:42
конкретному значений по индекс помните00:42:45
ему говорила что шейку на выводит00:42:48
количество строк и количество столбцов и00:42:50
можно совершенно также как вывести самую00:42:54
первую колонку по индексу Можно также00:42:57
вывести индекс либо только число строк00:43:00
либо только число колонок здесь я говорю00:43:02
единичка00:43:03
то есть Обратитесь именно к первому00:43:06
элементу то есть ко второму по счету там00:43:09
нас если помните 6 было 200 запятая 500:43:11
если вывести шейп квадратные скобочки 000:43:14
это будет 200 если вывести единичку00:43:17
тогда это будет пятерка Это правильный00:43:20
ответ на вопрос назвать число колонка00:43:22
далее назвать имя самой первой колонки00:43:25
здесь получается абсолютно логичное00:43:27
решение00:43:28
скаламс и ноликом вывести максимальную00:43:32
оценку вот наконец-то тоже00:43:34
воспользовались методом сорт который00:43:35
сортирует данные получается00:43:39
это у нас возрастание00:43:42
если вывести Head 1 то есть самую первую00:43:46
запись из нашего файлика получается что00:43:48
это и будет правильным ответом 99 есть00:43:52
еще обратились дополнительно00:43:58
так дальше у нас Про удаление дубликатов00:44:01
и тоже Отличный вариант дубля кейс00:44:04
посмотрели на шейпы одинаковых этих00:44:07
файлов то есть до удаления дубликатов и00:44:10
после и сравнили их получается00:44:13
значение то есть и количество строк и00:44:17
количество столбцов но по умолчанию00:44:19
удаляет дубликаты по строкам нет00:44:23
принципе здесь это не требуется Поэтому00:44:25
да правильный ответ нет все сработала00:44:28
корректно и давайте к самым интересным00:44:31
этапу это посмотреть на модель и у нас00:44:35
новый Лидер это адабус регрессор вот я00:44:40
его записываю на первое место00:44:43
у него получается Метрика 1878 Что00:44:46
отлично конечно же в принципе такие00:44:49
результаты примерные случаются на всякий00:44:51
случай Что такое вообще Boost этот00:44:54
бустинг градиенты бусин там до этого у00:44:56
нас была моделька это тоже некоторые00:44:58
аналог деревьев только если случайно лес00:45:01
Там строится очень большое количество00:45:03
максимально глубоких деревьев и далее00:45:06
показатели усредняется то бусинки00:45:09
строить деревья не очень глубокие То00:45:11
есть это количество вопросов количество00:45:13
веток высота дерева по-другому она00:45:17
гораздо меньше Но зато каждая следующая00:45:20
она связана с предыдущим и признана00:45:23
улучшить его метрики вот поэтому если00:45:26
алгоритм Они в отличие от случайного00:45:27
леса работает обычно чуть лучше но тем00:45:31
не менее они как бы всегда вместе и00:45:33
показатели всех других достаточно00:45:35
высокий так тут получается у нас здесь00:45:38
предсказание для линейной регрессия Вот00:45:40
видите как вы изменили айтишники у вас00:45:42
очень сильно изменился00:45:44
скор то есть Это говорит о том что00:45:47
понятно что адишник достаточно сильно00:45:49
влияет на итоговую оценку на00:45:51
предсказание что мы видели и по первой00:45:53
работе Где построен график важности00:45:56
признаков что конечно не совсем верно то00:45:59
есть этот признак желательно удалить И00:46:02
как раз таки вот комментарии вижу что00:46:04
удалил бы Один потому что не причем да00:46:07
Это совершенно верно в качестве00:46:09
эксперимента можете Попробовать еще00:46:11
обучить модель без айтишника и00:46:13
посмотреть как изменится качество00:46:15
так я прихожу к следующей работе здесь00:46:18
мы уже начинаем повторяться по первым00:46:20
четырем заданием поэтому предлагаю Здесь00:46:22
особо не останавливаться беру здесь00:46:25
только действия есть дополнительно00:46:26
пересохранением в отдельную переменную00:46:28
тоже дробь Дуплекс очень подробные00:46:31
комментарии написали Да кстати тоже00:46:34
хорошо конечно что использовали условия00:46:36
что проверили здесь шепнули шейп один да00:46:40
и друг дублики с применили вот00:46:43
Единственное что не принято обычно в00:46:45
ходе писать вот эти числа вы пишите 20000:46:48
пишите 5 что если у вас допустим00:46:50
динамическая база данных которые00:46:52
меняется каждый день и вы просто00:46:54
Обновите ваши данные у вас база данных00:46:57
поступит новые какие-то транзакции00:46:58
записи И у вас уже шепни будет 20000:47:02
какой-либо другой Циферки и тогда00:47:06
получится вы этот код перезапускаете и у00:47:09
вас уже будет неправильный результат за00:47:11
счет того что вы привязываетесь00:47:13
конкретным числам поэтому обычно принято00:47:15
писать либо какой-то переменную которую00:47:19
вы будете класть обновленные00:47:21
подсчитанный00:47:23
либо сразу писать просто дата Шейк00:47:28
который00:47:29
много различных вариантов но смысл в том00:47:32
что не нужно привязываться конкретным00:47:34
числам00:47:36
так и Давайте смотреть на модельки здесь00:47:39
вижу что не получилось запустить Ну00:47:42
давайте я пока тоже нажму здесь тогда00:47:45
запуск всех ячеек00:47:49
посмотреть какие же метрики получается00:47:51
модели00:47:54
так мы пока перейду на следующий работу00:48:00
так здесь вот тоже да очень часто такая00:48:03
ошибка получилось что все считывают файл00:48:07
несколько раз импортирует библиотеки так00:48:09
делать не нужно Ну хорошо что сохраняете00:48:12
наоборот переменные ответы В отдельной00:48:15
перемены и печатайте их на экран тоже00:48:17
очень здорово что есть подробный вывод00:48:19
виде комментария число колонок 1 колонки00:48:22
это всегда большой плюс Когда вы00:48:25
выводите какие-то дополнительные00:48:26
пояснения вашим ответом то есть не00:48:28
просто печатаете 5 печатаете что это00:48:30
число колонок вы конечно с вами видим00:48:32
что здесь есть условие задания что в00:48:35
принципе все понятно00:48:37
код не очень сложный вот если у вас00:48:40
будут гораздо более сложных конструкции00:48:42
уже когда будете работать00:48:44
Даже проходить обучение то всегда00:48:47
приветствуется чтобы вы писали именно00:48:49
такие текстовые комментарии на три Принт00:48:51
чтобы можно было понимать что происходит00:48:55
и в том числе мы с вами будем Когда уже00:48:59
обучаться то оформлять наш репозитории00:49:02
наш как бы портфолио собирать чтобы00:49:04
потом можно было это прикладывать резюме00:49:06
показывать работодателям и вот там уже00:49:09
очень важно следить за оформлением00:49:11
Потому что если условно ваш код00:49:14
открывает какой-нибудь HR или00:49:16
потенциальный работодатель земли который00:49:19
Вас будет собеседовать Конечно хочется00:49:21
видеть аккуратным сотрудника который00:49:23
будет писать читаемым понятный код это00:49:26
всегда приветствуется Потому что если мы00:49:28
говорим про командную работу над кодом00:49:31
то необходимо наладить внимание между00:49:33
вами и коллегами посредственным кодом и00:49:36
вот здесь очень важно писать его гораздо00:49:38
очень сильно Как можно более понятно в00:49:42
этом смысл00:49:44
так здесь тоже вижу что использовали00:49:46
Макс Ничего нового тоже здорово Вот и но00:49:51
по конструкции у нас появляется00:49:52
конструкция00:49:54
я уже рассказала что есть которые00:49:58
создает нам маску нашего значений00:50:02
либо00:50:03
он нам говорит что значение будет если00:50:07
хотя бы одно значение будет из нашего00:50:12
вот Ну получается Если хотя бы один00:50:15
дубликат есть тогда значение всего вот00:50:17
этого будет трум принципе это было00:50:19
писать не обязательно но тоже на всякий00:50:22
случай нормально тогда печатаем да00:50:24
пассивный случай нет как бы правильное00:50:26
решение можете тоже себе взять на00:50:28
заметку сейчас мы с вами знакомимся тоже00:50:31
с новыми методами пандаса вот узнали уже00:50:34
при дублики это про Макс00:50:36
и про Лен видите как много всего00:50:40
процессе разбора ваших работ мы узнаем00:50:44
Так мы получается выводы на экран00:50:46
Давайте проверим так Линейная регрессия00:50:51
так нас интересует00:50:54
Амин Абсолют да то есть 18 и 1 и это00:50:58
кстати да на удивление это побивает00:51:01
вообще все результаты по моему Давайте00:51:05
на всякий случай00:51:07
так мин абсолютно00:51:10
это просто немножко другая Метрика00:51:12
сейчас Переключилась на предыдущую00:51:14
работу здесь мы видим что у нас для00:51:18
это модель получается какая00:51:22
градиенты Бусинка такая же была 197 то00:51:26
что у меня здесь уже записано так то00:51:29
есть оценку меня00:51:31
Давайте здесь00:51:39
это получается00:51:42
то есть нужно вот из этой вот Циферки00:51:44
извлечь корень Так давайте может быть00:51:48
даже быстренько мы с вами посчитаем00:51:50
потому что все они должны быть00:51:52
единообразны здесь вот сожалению00:51:55
немножко не то00:51:56
есть просто средний квадратичная ошибка00:51:58
без взятия корни А нам хочется понять00:52:02
что же у нас с вами выигрывает так на 2100:52:05
это нет для линейной регрессия так 45900:52:10
корень будет 21 тоже пока не записываем00:52:15
и 38500:52:18
получается 1962 Вот это кстати занимает00:52:21
пока что третье место где это бустинг и00:52:24
это принципе у нас было и так уже на00:52:27
третьем месте только там была Метрика 1900:52:29
7 здесь 19 6 уже видите от запуска00:52:34
запуска могут тоже результаты как-то00:52:36
меняться вот просто берете какой-нибудь00:52:39
другой вариант стоит другие вам данные00:52:41
попались по-другому у вас компьютер00:52:43
сработал машина обучение на такой00:52:45
достаточно очень гибкая то есть метрики00:52:48
особенно если говорить про нейросети они00:52:50
могут получаться совершенно разные при00:52:53
просто различных запусках вашей модели00:52:56
на разных компьютерах чуть-чуть00:52:58
измененных данных Понятно Мы просто даже00:53:01
на них тех же для разных операций потому00:53:03
что там идет и некоторые можно сказать00:53:07
случайные подборы00:53:08
которые Понятно Будет разные результат00:53:11
так получается у нас даже потестировали00:53:16
что тоже очень здорово00:53:18
предсказание 10 можно еще00:53:22
посмотреть принципе до 10 отлично то00:53:26
есть мы видим что00:53:27
это тоже кстати для регрессии и принципе00:53:31
тоже можно здесь отметить что у нас00:53:38
можно было этого не делать взять уже00:53:41
обученную модель на 160 записи они00:53:45
но мы Давайте пойдем дальше так здесь00:53:48
тоже хочу вот в качестве плюсов отметить00:53:51
в принципе уже то же самое мы начинаем00:53:53
повторяться что и подробные принты на00:53:56
экраны дата шейпы обращения по индексам00:53:58
разобрали так поэтому Давайте00:54:01
двигаться к модели Пару слов про 4 скажу00:54:05
что00:54:06
поместили X Y Вот кстати к слову о00:54:10
предыдущем решения где или поза00:54:12
предыдущем где именно числа использовать00:54:15
для сравнения вот очень хороший вариант00:54:17
такой можно взять себе на заметку Когда00:54:19
вы помещаете результаты шейпов X Y то00:54:23
есть В отдельной переменные и дальше их00:54:25
сравнивать00:54:26
не сравнивать это с числами вот такое00:54:29
решение будет более грамотно чтобы00:54:32
учесть если у вас данное мясо чтобы Вам00:54:35
не пришлось снять00:54:37
и смотрю на решение00:54:43
это тоже некоторыми00:54:48
то же самое и вот а и родили гресс такой00:54:52
модель у нас с вами еще не было Да и она00:54:56
198 пока что не побивает наши предыдущие00:54:59
метрики поэтому Давайте просто напишем00:55:03
место предлагает 3 это у нас случай00:55:13
так предсказание тоже отличное Но вот00:55:16
Мало кто пишет про кастомирайди А00:55:18
все-таки это очень важно было бы00:55:20
интересно посмотреть как изменилось00:55:22
качество модели если бы мы удалили этот00:55:24
признак00:55:25
так дальше открываю следующую работу00:55:28
даже она подписана что очень здорово вот00:55:31
особо на первых уже задерживаться не00:55:33
буду здесь очень правильные хорошие00:55:35
решения уже похоже все на предыдущие00:55:38
обучили речь это у нас уже было но пока00:55:41
что она в наш топ не попадает00:55:44
то есть наша цель узнать именно00:55:48
лучшую модельки Да но тем не менее 2200:55:51
это принципе неплохо Если вы побили00:55:54
линейную версию это уже Плюс вы смогли00:55:56
переплюнуть наши с вами вчерашний00:55:58
результат что уже можно считать00:56:00
достижением00:56:02
двигаюсь дальше00:56:04
Здесь даже коментарии ответы что тоже00:56:08
хорошо Ну вот да не нужно делать00:56:15
Хотя они туда же не используется как00:56:18
было просто на будущее можете запомнить00:56:23
вот так здесь вы даже с блесенки с ковер00:56:26
всего понавыгружали хотя у нас здесь00:56:28
группы такие всего лишь нужен вот00:56:30
все-таки Обратите внимание чтобы эти00:56:33
лишние импорты не делать много раз так и00:56:36
смотрю на модель корень из средних00:56:39
квадратичной ошибки Это для модели что00:56:42
что за модель такая Случайный лес00:56:45
так вот очень на самом деле Интересно00:56:47
почему же получилось такая низкая00:56:50
Метрика то есть наоборот хорошая00:56:52
отдавать Я наверное перезапущу все может00:56:56
это прям очень выглядит удивительно00:57:16
и прочий результат Вот теперь это что-то00:57:19
более похоже на правду 182 кстати00:57:23
здесь Да вроде бы кастомираете не00:57:27
удаляли Да такая получилась00:57:28
замечательная Метрика для случайного00:57:30
леса и это вообще сейчас у нас00:57:32
получается на первом месте Случайный лес00:57:35
сейчас было на 2 это 1885 получается Он00:57:38
побивает метрику адабус регрессора00:57:40
который у нас был на первом месте и мы00:57:43
записываем 17 2 что очень интересно тут00:57:46
говорю может зависеть00:57:48
Да кстати вижу В чем шутка что вас здесь00:57:53
005 получается вы взяли тест только пять00:57:57
процентов ваших данных соответственно у00:58:00
вас может и предсказание этого изменится00:58:01
если00:58:04
вы обучились на большем количестве00:58:07
данных у вас соответственно из-за этого00:58:09
и получилось более хорошая обученная00:58:13
модель во-первых во-вторых00:58:16
получилось что вы тестировались на00:58:18
меньшем количестве данных поэтому там00:58:21
могли попасть какие-нибудь хорошие00:58:23
значения на которых качество показалось00:58:25
более высоким здесь видеть Я сейчас00:58:27
изменила на 02 и у меня получается00:58:29
качество уже 27 и 7 и Кстати такого мы00:58:33
еще с вами сегодня не встречали модель00:58:36
Fire до этого у нас были везде rena00:58:39
Forest regression Это другая моделька00:58:42
его здесь все-таки думала что нас это не00:58:45
коснется но такие попалась то что у нас00:58:48
все задачи машина в обучении можно00:58:50
разделить на два типа это регрессии и00:58:53
классификации здесь все зависит от типа00:58:56
вашего таргета то есть любой колонки она00:58:59
может принимать00:59:01
любые значения то есть предположим это00:59:05
оценка стоимость дома00:59:08
погода на улице как мы понимаем эти00:59:11
значения неформальные ничем не00:59:13
ограничены То есть это может быть как 000:59:15
так00:59:16
200 тысяч и 300 не знаю минус 1 минус 200:59:19
то есть для каждой задачи Понятно00:59:21
какие-то границы разумные они00:59:23
индивидуальны но тем не менее то есть00:59:26
Можем принимать в том числе дробные00:59:27
значения и любые числовые вот эта задача00:59:31
регрессии что же такое классификация Это00:59:34
тип задачи Когда у нас значение00:59:37
количество таргетов различных они00:59:40
ограничены То есть это допустим может00:59:42
быть он бы цвет красный зеленый либо00:59:46
синий вот три цвета у нас таргетин и это00:59:49
будет значить классификации то есть мы00:59:51
должны будем определить какой на свет и00:59:54
такое ограниченное получится множество00:59:56
либо допустим это какая-нибудь оценка00:59:59
12345 для ученика понятно что01:00:03
предположим она не может быть дробной01:00:05
тоже получается значит классификации как01:00:07
бы Target01:00:09
признак колонка не ограничены01:00:11
Вот соответственно и для вот этих двух01:00:14
разных типов задач используются разные01:00:16
модели здесь мы видим что все-таки01:00:18
похоже больше на задачу регрессии потому01:00:21
что у нас оценка формально ничем не01:00:24
ограничивается то есть да там она от 001:00:26
до 99 Но это достаточно большое01:00:28
количество значений и вот такие числа01:00:31
большие их уже можно не считать задачу01:00:33
классификации относительно и01:00:35
соответственно модели использовать для01:00:37
регрессии Вот видите что модель01:00:39
классификации показывает нам качество01:00:40
достаточно низкая 27 и почти 8 это01:00:46
вообще запредельное значение Даже хуже01:00:48
чем линейная регрессия01:00:50
что конечно01:00:53
не очень хорошо потому что у нас01:00:59
ближе к регрессии поэтому модели нужно01:01:01
использовать соответствующие вот за этим01:01:04
моментом Нужно следить хорошо что такой01:01:07
случай попался мы с вами разобрали01:01:08
все-таки01:01:10
заметку понятно что нас курсе это более01:01:13
подробно разбирается Вчера мы с вами01:01:16
поговорили А все-таки некоторые попались01:01:19
Так давайте двигаться дальше01:01:21
следующий работе01:01:24
вот здесь у нас появляется новые методы01:01:26
которые мы с вами не разбирали в01:01:28
частности метод инфо это очень полезная01:01:31
штука которая показывает нам по каждой01:01:33
колонке Во первых числам пропусков во01:01:35
вторых показывает тип каждой колонки01:01:37
здесь мы видим что у нас01:01:40
все они числовые кроме типа пола она01:01:44
типа object то есть как бы строго если01:01:46
помните в начальном варианте у нас на01:01:48
было mail и mail и также у каждой01:01:52
колонки у нас 200 не пропущенных01:01:54
значений получается пропусков Нет ну в01:01:57
принципе это отвечает на поставленный01:01:59
вопрос число колонок можно глазами01:02:02
посчитать это 5 штук Но все-таки более01:02:05
наверное релевантно здесь Было бы01:02:07
использовать01:02:09
так дальше назвать имя самой первой01:02:11
колонке верно дальше тоже все правильно01:02:13
тоже вот разные трюки с методом01:02:16
применяете за что отдельный плюс конечно01:02:19
что разобрались и самостоятельно нашли01:02:21
вот эти два метода и запустили у вас01:02:24
работала Давайте двигаться к модели01:02:28
здесь у нас получается градиенты01:02:30
показывает 20 Ну почему же 20 Почему01:02:34
предыдущих версий01:02:36
показывает01:02:39
ответ на это что от моделях модели01:02:41
запуска метрики меня на одних и тех же01:02:46
так дальше вижу получается вот моделька01:02:52
каневер тоже видите на конце написано01:02:55
classify это значит что эта модель она01:02:57
для значит классификации нет агрессии01:03:00
поэтому01:03:01
как бы тоже может написать лучше к01:03:04
ноябрь с регресс но у нее Метрика01:03:07
довольно неплохая для неправильной01:03:09
модели и Кстати эта моделька Она01:03:11
работает немножко Отлично от того что мы01:03:14
разбирали до этого она пытается найти к01:03:17
ближайших соседей к нашей точке для01:03:19
которой мы подбираем предсказание и01:03:21
смотрит Какие таргеты целевые значения01:03:26
вот этих соседей и для нашей точки она01:03:29
подбирает какое-то предсказание на01:03:33
основе среднего показателя этих соседей01:03:36
То есть как бы какая и01:03:39
наша точка Какие у нее соседи такая01:03:42
будет она сама Ну ответ принципе неплохо01:03:46
й это одна из самых простейших моделей01:03:47
которые появилась наверное одна из01:03:50
первых01:03:52
вот и результат не на самом деле01:03:54
зачастую очень даже неплохо так здесь01:03:57
тоже здесь же три классифайр01:03:59
использовали А простите внимание что01:04:00
лучше использовать так 6 ничего не01:04:03
протестировать Давайте дальше01:04:06
здесь уже видите компьютер не01:04:09
справляется Начинает все перезагружать01:04:12
войти несколько работ тоже подгружу01:04:16
так и переходим сразу в конец01:04:20
так здесь Да принципе Останавливаться не01:04:23
на чем все то же самое тоже все здорово01:04:25
оформили01:04:28
так и вот здесь принты вижу пустынный01:04:31
экран Ну желательно написать все-таки01:04:33
если у вас выведенный контроль вероятно01:04:36
запускали какой-то другой он для этого01:04:38
Поэтому лучше писать здесь какие-либо да01:04:41
или нет01:04:44
так для модели смотрю это у нас Сура01:04:49
Ларс01:04:51
моделька Да так и называется01:04:55
и получается01:04:57
да это даже01:05:02
Ту же самую метрику использовали и на01:05:05
удивление она показывает такие высокие01:05:07
результаты рядом взять 776 вот возможно01:05:10
у вас да Повезло с ренес стоит был01:05:15
найдено перебором это вообще просто01:05:16
запредельные значения 16 1 записываю вас01:05:22
и моделька такая довольно редкая то что01:05:26
удалось подобрать на самом деле как бы в01:05:30
идеале от этого все-таки случайное01:05:32
значение от него зависит ничего не01:05:34
должно но зачастую все-таки случается01:05:37
Так что это является значимым01:05:39
гиперпараметром Ну как бы Ладно очень01:05:42
Забавно интересно наблюдение Давайте его01:05:45
себе отметить01:05:47
так и дальше предсказание01:05:50
так это все отлично нас с вами список01:05:54
лидеров модели меняется прямо на глазах01:05:57
Давайте идти дальше01:05:59
следующий работе тоже ничего вроде01:06:02
новенького Я не вижу Да вот здесь опять01:06:05
новый прием 4 задание что попытались01:06:08
посмотреть на разницу и сравнить ее с01:06:10
нулем Соответственно по логике это все01:06:13
верно если у нас01:06:14
нулевая разница между исходных после01:06:17
удаления дубликатов Конечно мы говорим У01:06:20
нас их нет01:06:21
так Какие модели в пятом отделе gressor01:06:24
такая уже была но она побила конечно01:06:27
линейную регрессию но01:06:29
лучшую метрику Пока что нет01:06:32
Так давайте идти дальше предсказания так01:06:35
и вижу что здесь01:06:37
Да сделали что ли сломали какой-то01:06:41
словарь по отдельным признакам она общем01:06:44
Отлично мы с вами Давайте потом разберем01:06:47
видимо01:06:50
что ли словарь каждого признака сделали01:06:53
Но кстати здорово было бы если01:06:55
комментарии пояснили что это заход Можно01:06:57
даже интересно01:07:01
прихожу к следующему следующему01:07:07
отлично да получается тоже Лена01:07:10
использовали01:07:12
максимально01:07:13
так тоже и не воспользовались мы такое01:07:17
уже видели и Давайте глянем на модели01:07:20
здесь уже подробные такие появились01:07:22
выводы на экран01:07:25
224 пока что не входит01:07:29
так но зато есть01:07:32
Отлично что это потестировали вот и чудо01:07:37
у нас снова сдвигается наш список Вы01:07:40
получили метрику еще лучше для линейной01:07:43
регрессии после удаления01:07:47
одного столбца01:07:50
так даже нет такой столбец Это здесь01:07:54
предсказание было для Edge ладно01:07:57
да тогда получается наш список все-таки01:07:59
не сдвигается до 13 это немножко другой01:08:03
предсказание Ладно давайте двигаться01:08:05
дальше я думала интересно было бы раз вы01:08:08
отметили не информативность Азии тогда01:08:10
попытаться удалить эту колонку и обучить01:08:14
модельку без нее Интересно какие будут01:08:16
результаты по идее должны стать лучше01:08:19
так открывая следующую работу01:08:22
так и здесь01:08:24
те же самые варианты первых заданиях01:08:27
отлично01:08:29
так использовать или метод iqos тоже01:08:33
новая такого мы еще с вами сегодня не01:08:35
видели тоже можете брать незаметно01:08:37
наверное четвертое задание Но самое01:08:39
такое обширное по возможным вариантам01:08:42
Это плюс01:08:44
так и открываем метрики01:08:47
СВР такой модели мы еще не видели их же01:08:49
Boost тоже очень популярная которая01:08:52
очень часто используется сейчас так даже01:08:55
здесь даже нейросети попытались01:08:58
потестировать это вообще просто01:09:00
замечательно конечно так средняя ошибка01:09:04
получается01:09:08
Ну вот нейросеть не побила все-таки01:09:10
показатель смотрите получается 58 даже01:09:13
довольно высокая Ну вот в чем как бы01:09:17
смысл так вижу что обучали на 10 Эпоха01:09:21
здесь как вариант попробовать 10 эпох01:09:23
может даже выставить тысяч а плюс можно01:09:26
добавить еще каких-нибудь слоев сюда01:09:28
линейных если добавите слоев у вас как01:09:32
бы больше будет получать нейросеть более01:09:35
тяжелая поэтому она и работать нужно01:09:37
более качественно позднее плюс если01:09:40
это довольно много и посмотреть вводить01:09:45
допустим функцию ошибки в принципе если01:09:47
этот вид писать он вам будет выводить01:09:52
десяточку поставить01:09:54
у вас будет вводиться значение ошибки и01:09:57
она должна уменьшаться01:10:00
как только она допустим перестанет01:10:02
уменьшаться можно сказать все компании01:10:06
архитектуры поэтому01:10:09
ради интереса Если вы разбираетесь01:10:12
можете протестировать просто на большем01:10:15
качестве01:10:18
предсказанный01:10:20
спорте лишнее место получает большой без01:10:24
не должно быть точнее01:10:26
увидеть результаты01:10:29
даже для себя можете потестировать01:10:33
три последних работы01:10:38
так и Давайте смотреть на результаты уже01:10:41
будем подводить итоги здесь все01:10:43
правильно тоже без омарок так дроп01:10:47
доплекис меньше единички Ну да то есть01:10:50
получается Если она равна нулю тут01:10:52
других вариантов не может длина01:10:53
отрицательной не бывает когда вводится01:10:55
нет А здесь Кстати у вас даты получается01:10:59
да Что получается неверно потому что вы01:11:04
использовали методы плитки он только01:11:07
удаляет дубликат а данные как бы01:11:10
остается те же самые Если бы вы01:11:12
использовали методы Тогда возможно да у01:11:15
вас длина была бы меньше единички01:11:18
либо если вы бы сравнили01:11:26
вариантов много но касательно этого01:11:29
случая Здесь вы проверяете длину вашего01:11:32
файлика после удаления дубликата она01:11:34
конечно не убиваем нас дубликаты01:11:36
отсутствует поэтому она будет равна 20001:11:39
это не меньше единички поэтому выводится01:11:43
на каранда поэтому здесь немножко01:11:45
перепутали нужно было вывести либо01:11:47
методу дублики либо посмотреть на01:11:51
разницу и тогда уже сравнивать с01:11:54
единичкой данный интерпретации все-таки01:11:57
Ответ должен быть Нет он получается01:11:59
неправильно01:12:01
Так это же применили почему-то хотя эта01:12:04
моделька для кодирования данных01:12:06
повторюсь а не для обучения модели так01:12:09
предсказание для регрессия хорошо01:12:12
так открывает следующую работу01:12:16
так здесь уже очень много раз01:12:20
встречалась то что нужно удалять01:12:22
просто не писать несколько раз импорта и01:12:26
чтение файлов нашей ноутбуке это01:12:29
достаточно сделать один раз плюс за01:12:32
подробные выводы появляется метод size01:12:34
который мы с вами сегодня еще не01:12:36
встречали поэтому можете пометить себе в01:12:39
копилку вариантов решения задания номер один01:12:42
тоже подойдет ответ получается01:12:44
правильный01:12:46
так отличные выводы на экран есть нету01:12:50
приятно смотреть когда какие-то забавные01:12:52
принты01:12:54
так и модельки у нас получается01:13:02
То есть то что на экран выведены01:13:04
ингредиенты бустинг01:13:06
метрики вижу Да они здесь записаны 19901:13:26
так отличное предсказание Так давайте01:13:29
дальше последний у нас работа на сегодня01:13:32
Поэтому если встали то не переживайте01:13:34
скоро уже все01:13:36
те же самые выводы на экран Отлично я01:13:40
себя правильно о вижу что01:13:42
воспользовались методом descripe такого01:13:45
еще тоже не было поэтому даже последней01:13:47
работе Мы с вами видим какие-то01:13:48
уникальные случаи и Skype Он что делает01:13:51
он для01:13:52
каждой вашей колонки подсчитывает01:13:54
основные статистики То есть это среднее01:13:56
тело какая-то сумма вот если говорить01:14:00
про именно01:14:03
получается там буду значения01:14:06
максимальная минимальная средняя01:14:07
различные квартиры Если знаете такие01:14:10
понятия статистики Ну и понятно что01:14:12
максимум это будет как бы максимум по01:14:15
всему поэтому ответ тоже верный в01:14:19
принципе тоже решать просто довольно01:14:21
таки не часто используемый случай01:14:24
но в качестве такого дополнения наших01:14:28
просто уникальных вариантов это подойдет01:14:31
так дальше проверка на длину это тоже01:14:34
правильно и получается01:14:38
вот здесь не совсем понятно вы обучали01:14:41
модельку для Других данных то есть не01:14:44
для нашего с клиентами магазина а для01:14:48
дата Сета ирисов это очень известный01:14:51
такой файл как бы табличка в которой01:14:53
содержится информация про цветы ирисы01:14:56
некоторые характеристики и Таргет такого01:14:58
типа то есть01:15:04
Ну да просто другие данных обучились у01:15:06
вас Метрика получилось 97 Это01:15:09
замечательно конечно можете посмотреть01:15:12
какой там01:15:14
вообще этот01:15:17
получается Таргет насколько я помню Да01:15:20
он классификации то есть там несколько01:15:22
сортов эта задача получается не01:15:24
регрессии и модельку виверна01:15:27
использовали как классификатор только01:15:29
единственное Тогда нужно использовать01:15:31
другую метрику То есть если в регрессии01:15:35
мы с вами смотрим на разницу эталонного01:15:37
ответа И предсказанного что задача01:15:39
классификации мы должны Посчитать число01:15:41
попаданий цель то есть число даже01:15:45
правильно предсказаний и обычно там01:15:47
метрику уже немножко другая это01:15:48
какой-нибудь точность процентах как бы01:15:52
число угаданных процент угаданных там01:15:55
наоборот чем она больше тем лучше а вот01:15:57
здесь вы использовали получается01:16:00
Кстати да правильно использовали01:16:03
То есть это вот та самая точность01:16:06
процент верно угаданных значений01:16:08
получается 97 процентов Но это как бы01:16:11
хорошо отлично только местная задача01:16:16
Здесь тоже по предсказывали Отлично так01:16:19
на этом У меня принципе все01:16:22
работу нас кончились Давайте обновлю01:16:25
здесь доступ так и не открыли01:16:28
и теперь готова ответить на ваши вопросы01:16:37
Прием Прием меня слышно слышно отлично01:16:42
замечательно Так секундочку посмотрим01:16:47
вопросы01:16:49
Ну у нас01:16:51
вопрос от новичков это Нужно ли иметь01:16:56
техническое образование или параллельно01:16:58
получать техническое фундаментальное01:17:01
образование чтобы стать специалистом с01:17:04
аитистом01:17:06
Так что это будет конечно плюсом Если у01:17:09
вас есть какие-то технические навыки01:17:11
Воспоминания вам просто будет проще01:17:13
проходить курс потому что у нас есть01:17:15
тоже в том числе математические модули01:17:17
если у вас будут какие-то дополнительные01:17:20
знания01:17:21
математики это будет но это совершенно01:17:24
не приговор То есть у нас есть случай01:17:26
когда01:17:27
профессии люди учились на нашем курсе01:17:31
достаточно успешно его Проходили01:17:33
проходили работу то есть у нас дается01:17:36
все материалах с нуля в том числе и по01:17:39
математике Поэтому просто придется01:17:41
скорее всего потратить чуть больше01:17:42
времени чуть больше усилий но знать это01:17:46
не обязательно01:17:49
Спасибо большое Да мне кажется это очень01:17:52
подбадривает то что можно в целом Наш01:17:54
курс построен Так что вы будучи новичком01:17:56
с нуля можете освоить профессию начать01:18:00
зарабатывать так смотри тут вопрос прям01:18:04
по тем действиям которые ты делала по01:18:08
домашней работе вообще нелогичнее ли в01:18:12
цикле тогда перебрать все методы если01:18:14
задача Найти наиболее точный метод Да01:18:18
совершенно верно И кстати такой вариант01:18:20
у нас иногда встречался Я его даже01:18:22
как-то показывала если Напомните в01:18:24
чатике телеграме я вам скину вот этот01:18:26
пример кода действительно проще01:18:28
перебирать все это в цикле несколько01:18:30
моделей можно составить так называемый01:18:34
список просто этих названия модели и01:18:36
потом их создавать подставлять вывозить01:18:39
результат поэтому Да действительно очень01:18:42
здорово что сообразили сегодня нам такой01:18:44
работы не попалась Но если хотите я вам01:18:47
скину01:18:49
хорошо спасибо и01:18:52
Светлана пишет Посмотрите мои новые в01:18:55
телеге я сделала что вы хотели01:18:56
посмотреть01:18:58
Так давайте01:19:01
давайте наверное уже потом Да и дашь01:19:05
обратную связь в телеграме да да01:19:09
Ага супер так А будет ли смысл01:19:11
отправлять домашнее задание второго дня01:19:16
второго дня01:19:18
ну если вы отправили задание первого дня01:19:21
и хотите поучаствовать в конкурсе то01:19:23
конечно да смысл имеется01:19:26
присылать обязательно у нас будет01:19:28
розыгрыш призов среди тех кто прислал я01:19:31
вот вижу здесь Да действительно01:19:32
добавилось даже не одна работа а Раз два01:19:35
три четыре работы обязательно посмотрим01:19:39
А да я поняла Тут даже видимо какие-то01:19:43
дополнения появились обязательно тогда01:19:45
посмотрим вашу последнюю версию вот если01:19:49
там ребятам кому-то интересно тоже01:19:51
переходите По ссылкам проверяйте что у01:19:53
всех открытый доступ видите сегодня тоже01:19:55
У нас появилась такая одна Работа вот и01:20:00
огласим итоге тогда в понедельник01:20:02
так а итоги в понедельник Отлично я01:20:06
поняла Потому что тут спойлер ты Еще01:20:10
вроде бы не озвучила Да что мы хотим01:20:12
победителем01:20:13
и такая барабанная дробь мы интригу01:20:18
закрываем рассказываем что получит01:20:21
победители кстати мотивация для тех кто01:20:23
не сделал еще домашнее задание может еще01:20:25
это сделать мы дадим доступ к курсу01:20:29
секьюэль на почту пришлем в течение01:20:31
следующей недели Расскажи пожалуйста01:20:33
пользу этого курса вот буквально в двух01:20:36
словах Зачем он нужен нашим зрителям01:20:38
Почему стоит трудиться ради него01:20:42
это очень популярный язык во-первых для01:20:45
аналитики это прямо наверное 7001:20:48
процентов важности очень часто на01:20:50
собеседованиях это будут спрашивать и01:20:52
для даты это то есть уже для01:20:56
инженера может быть Который больше01:20:58
занимается моделями важно Чуть поменьше01:21:01
ну где-то 10 процентов на каждом01:21:03
собеседовании вас обязательно попросит01:21:05
написать простой Запрос01:21:08
который просто позволит показать ваши01:21:11
навыки владения01:21:12
инструментом он очень на самом деле01:21:14
полезный И вам всегда в работе придется01:21:17
неизбежно там на любой позиции будет01:21:20
аналитик или нибудь уже01:21:22
то есть чем будете заниматься01:21:25
придется выгружать данные Иногда просто01:21:28
чтобы посмотреть на них чтобы что-то01:21:31
быстренько проверить01:21:32
гипотезу протестировать либо даже это01:21:35
может быть выгрузка непосредственно файл01:21:38
с которым вы далее будете уже работать01:21:39
плотных питоне обучать на нем модель01:21:41
вариантов много и этот язык он может01:21:45
быть и не очень сильно значим для01:21:47
каких-то определенных профессий Но точно01:21:51
обязательно необходим где-то меньше01:21:54
степени где-то наоборот очень большой01:21:55
Поэтому если вы выбираете для себя01:21:58
аналитика это прям точно нужно знать01:22:00
если вы хотите больше в модели то вам01:22:04
это нужно знать чтобы проходить01:22:05
собеседование и упростить свою работу01:22:08
поэтому обязательно думаю стоит за него01:22:11
побороться он очень очень полезный01:22:15
Спасибо большое супер да боремся Ну что01:22:19
друзья считанные секунды остались у нас01:22:21
до окончания эфира можете успеть01:22:23
написать свой вопрос я сейчас01:22:25
внимательно слежу за чатом если он у вас01:22:28
еще есть либо задать его в чате01:22:32
телеграмма вот я вижу присылают еще01:22:34
домашки прямо сейчас Здорово01:22:37
замечательно обязательно посмотрим и01:22:40
друзья Спасибо вам большое за интенсив01:22:43
за участие активное комментарии домашки01:22:46
я вам желаю продолжать ваше становление01:22:49
в профессии таким же активным темпом и01:22:52
если у вас появилась уже намерение01:22:55
освоить профессию то обязательно01:22:57
прибегайте к помощи экспертов01:23:00
обязательно01:23:02
вы обучаетесь повышаете свои навыки01:23:04
скиллы мы будем очень рады если в01:23:07
качестве01:23:08
эффективного проводника в мир it в мир01:23:12
хороших зарплат удаленной работы вы01:23:14
выберете именно на Skill Factory Так что01:23:17
Напоминаю что все еще можно оставить01:23:19
заявку на курс по классной скидке нажать01:23:22
на кнопку под видео или перейти по01:23:24
ссылке в чате и уже точно быть уверенным01:23:28
что вы освоите профессию вместе с01:23:30
опытными экспертами сделать это ещё и01:23:33
дёшево а потому что у Вас классная01:23:35
скидка и сейчас Напишите в чат01:23:37
Понравился ли вам интенсив чем Много ли01:23:39
узнали нового и собираетесь либо в дата01:23:42
Санс вот прямо прямо сейчас быстрее01:23:44
пишите пока не закончился и сохраняйте01:23:46
ссылки если что-то не сохранили потому01:23:48
что вместе с окончанием эфира и чат01:23:51
пропадёт Мария Спасибо большое тебе за01:23:54
практику за теорию это было большая01:23:55
работа Здорово Я думаю все тебе01:23:59
благодарны от имени зрителей себя01:24:01
Благодарю и всё друзья мы с вами01:24:04
завершаем до новых встреч надеюсь до01:24:06
встречи на курсах skillfactory Всё Всем01:24:09
пока пока до свидания01:24:16
[музыка]01:24:27
[музыка]01:24:35
[музыка]01:24:42
[музыка]Описание:
"Приветсвуем вас на интенсиве: Погружение в Data Science: обучите свою первую нейросеть за 3 дня! День 3: → Разбор нескольких домашек от зрителей → Анализ правильного решения → Поиск путей улучшения решений → Награждение участников 🔥Скидка 45% на курс и подарки по ссылке: https://go.skillfactory.ru/intensive-19_11-04-2023%22
Готовим варианты загрузки
* — Если видео проигрывается в новой вкладке, перейдите в неё, а затем кликните по видео правой кнопкой мыши и выберите пункт "Сохранить видео как..."
** — Ссылка предназначенная для онлайн воспроизведения в специализированных плеерах
Вопросы о скачивании видео
Как можно скачать видео "Погружение в Data Science : обучаем свою первую нейросеть за три дня . День третий"?
Сайт http://unidownloader.com/ — лучший способ скачать видео или отдельно аудиодорожку, если хочется обойтись без установки программ и расширений. Расширение UDL Helper — удобная кнопка, которая органично встраивается на сайты YouTube, Instagram и OK.ru для быстрого скачивания контента.
Программа UDL Client (для Windows) — самое мощное решение, поддерживающее более 900 сайтов, социальных сетей и видеохостингов, а также любое качество видео, которое доступно в источнике.
UDL Lite — представляет собой удобный доступ к сайту с мобильного устройства. С его помощью вы можете легко скачивать видео прямо на смартфон.
Какой формат видео "Погружение в Data Science : обучаем свою первую нейросеть за три дня . День третий" выбрать?
Наилучшее качество имеют форматы FullHD (1080p), 2K (1440p), 4K (2160p) и 8K (4320p). Чем больше разрешение вашего экрана, тем выше должно быть качество видео. Однако следует учесть и другие факторы: скорость скачивания, количество свободного места, а также производительность устройства при воспроизведении.
Почему компьютер зависает при загрузке видео "Погружение в Data Science : обучаем свою первую нейросеть за три дня . День третий"?
Полностью зависать браузер/компьютер не должен! Если это произошло, просьба сообщить об этом, указав ссылку на видео. Иногда видео нельзя скачать напрямую в подходящем формате, поэтому мы добавили возможность конвертации файла в нужный формат. В отдельных случаях этот процесс может активно использовать ресурсы компьютера.
Как скачать видео "Погружение в Data Science : обучаем свою первую нейросеть за три дня . День третий" на телефон?
Вы можете скачать видео на свой смартфон с помощью сайта или pwa-приложения UDL Lite. Также есть возможность отправить ссылку на скачивание через QR-код с помощью расширения UDL Helper.
Как скачать аудиодорожку (музыку) в MP3 "Погружение в Data Science : обучаем свою первую нейросеть за три дня . День третий"?
Самый удобный способ — воспользоваться программой UDL Client, которая поддерживает конвертацию видео в формат MP3. В некоторых случаях MP3 можно скачать и через расширение UDL Helper.
Как сохранить кадр из видео "Погружение в Data Science : обучаем свою первую нейросеть за три дня . День третий"?
Эта функция доступна в расширении UDL Helper. Убедитесь, что в настройках отмечен пункт «Отображать кнопку сохранения скриншота из видео». В правом нижнем углу плеера левее иконки «Настройки» должна появиться иконка камеры, по нажатию на которую текущий кадр из видео будет сохранён на ваш компьютер в формате JPEG.
Сколько это всё стоит?
Нисколько. Наши сервисы абсолютно бесплатны для всех пользователей. Здесь нет PRO подписок, нет ограничений на количество или максимальную длину скачиваемого видео.