Скачать "Курс «Анализ данных». День 3. Обработка больших данных и создание приложений в MATLAB"

Обложка аудиозаписи

Подождите немного, мы готовим ссылки для удобного просмотра видео без рекламы и его скачивания.

Предыдущее видео: Проектирование систем связи в MATLAB и Simulink. Часть 2 Следующее видео: Методы суррогатного моделирования сложных динамических систем

Методы суррогатного моделирования сложных динамических систем

Методы суррогатного моделирования сложных динамических систем

Канал: ЦИТМ Экспонента

Проектирование систем связи в MATLAB и Simulink. Часть 2

Проектирование систем связи в MATLAB и Simulink. Часть 2

Канал: ЦИТМ Экспонента

Основы ЦОС: 23. Цифровые фильтры (ссылка на скачивание скриптов в описании)

Основы ЦОС: 23. Цифровые фильтры (ссылка на скачивание скриптов в описании)

Канал: ЦИТМ Экспонента

MATLAB в образовании

MATLAB в образовании

Канал: ЦИТМ Экспонента

Основы ЦОС: 01. Введение

Основы ЦОС: 01. Введение

Канал: ЦИТМ Экспонента

10. Приложение 1: “Футбольный мяч”

10. Приложение 1: “Футбольный мяч”

Канал: ЦИТМ Экспонента

Использование RTL-SDR в учебном процессе (на примере RTL2832U)

Использование RTL-SDR в учебном процессе (на примере RTL2832U)

Канал: ЦИТМ Экспонента

17. Введение в кватернионы

17. Введение в кватернионы

Канал: ЦИТМ Экспонента

20. Как задавать вращение пространства

20. Как задавать вращение пространства

Канал: ЦИТМ Экспонента

19. Умножение и деление кватернионов

19. Умножение и деление кватернионов

Канал: ЦИТМ Экспонента

Matlab

Mathworks

Simulink

матлаб

симулинк

00:00:04

добрый вечер коллеги я думаю что все кто

00:00:09

хотели присоединиться уже присоединились

00:00:11

или в течение 5 минут еще присоединятся

00:00:13

дом пока что начнем обсуждение того что

00:00:16

нам сегодня предстоит сделать

00:00:18

у нас сегодня последний день нашего

00:00:21

курса это обработка больших данных

00:00:23

создания приложений сегодняшняя тема

00:00:26

мы продолжим разбирать пример который

00:00:28

начали на прошлых занятиях с желтом

00:00:31

такси нью-йорка и создадим ещё

00:00:34

приложение по итогу нашей работы и так

00:00:43

цель нашего курса я думал уже всем ясно

00:00:46

за первые два занятия мы обсуждаем

00:00:49

основы анализа данных и машинного

00:00:51

обучения матлабе на примерах

00:00:54

у нас уже прошло два занятия сегодня

00:00:57

последняя третья и сразу давайте

00:01:02

вспомним о том что в чем заключался наш

00:01:05

пример про такси у нас есть статистика

00:01:11

поездок

00:01:12

желтых такси нью-йорка основная

00:01:14

информация об этих поездках и стоимость

00:01:18

поездки заключительная которую мы и

00:01:20

хотим предсказывать с помощью нашего

00:01:22

алгоритма машинного обучения

00:01:26

ссылка на материала доступна я вам

00:01:29

скинул а она у вас останется и но в

00:01:32

презентациях тянуться и так будет это же

00:01:34

действительно ссылка кто присоединился

00:01:37

только что я повторюсь что сегодня ли

00:01:41

тех кто хочет есть возможность

00:01:43

поработать тоже

00:01:44

в матлабе вместе со мной там

00:01:46

сегодняшнего занятия будет не очень

00:01:48

быстрый чтобы все успели все поделать

00:01:52

вместе и так для этого запускайте уже

00:01:56

matlab чтобы он начинал запускаться и

00:01:59

скачивайте

00:02:00

посылки там архив вы его скачайте и

00:02:04

распакуйте и

00:02:06

эту папку откройте патлами чтобы нас у

00:02:08

вас уже была в адресной строке и так мы

00:02:12

работаем со статистикой желтого такси

00:02:14

нью-йорка нам нужно построить модель

00:02:17

машинного обучения вам понадобится

00:02:22

matlab свежий 21 года либо двадцатого

00:02:26

года тоже подойдет думаю что 19 б версия

00:02:30

тоже подойдет мы сегодня будем работать

00:02:32

приложение с приложениями у них

00:02:35

достаточно быстро появляются новые

00:02:36

обновление поэтому

00:02:38

поэтому я и говорю что вот только три

00:02:41

последние версии трех последних лет

00:02:43

подойдут пакета matlab понадобится такие

00:02:50

же как и в прошлый раз это статистик сын

00:02:53

машин лётен также может понадобиться

00:02:57

параллельные баррель процессе

00:03:00

но это по желанию если у вас он не

00:03:02

установлен то ничего страшного немножко

00:03:04

дольше вас будет было считаться итак

00:03:11

давайте сначала перед тем как приступить

00:03:13

к примеру поговорим о том почему вообще

00:03:16

этот эта тема работы с большими данными

00:03:19

выделена в отдельный урок в чем различия

00:03:23

с обработкой данных обычного размера как

00:03:26

мы это делали на первом занятии

00:03:30

проблема в том что традиционные

00:03:32

инструменты

00:03:34

методы и алгоритмы не работают с

00:03:37

большими данными для этого их выделили

00:03:40

выводили на тему то есть в том виде как

00:03:45

эти традиционные методы алгоритм подходы

00:03:48

представлен языках программирования они

00:03:50

уже не будут работать большими данными

00:03:53

они либо плохо не эффективно работают

00:03:56

либо вообще не работают но для начала

00:03:58

нужно определиться что же такое большие

00:04:00

данные

00:04:01

как вам понять что вы работаете именно с

00:04:04

большими данными то есть это массивы

00:04:07

таких данных которые не помещаются в

00:04:09

память вашего компьютера то есть вы не

00:04:11

можете считать эти данные в переменную и

00:04:14

и спокойно обрабатывать потому что

00:04:18

данные не помещаются их нужно

00:04:20

обрабатывать особенно и методиками

00:04:23

при этом даже специальные методы

00:04:26

обработки которые мы сегодня будем

00:04:28

рассматривать они тоже работают долго не

00:04:31

так быстро как вы привыкли потому что

00:04:33

данных много не соответственно долго

00:04:35

обрабатываются и собственно поэтому

00:04:40

актуальной темы является раз проливать

00:04:42

вашу обработку данных в чем этап очень

00:04:46

хорош то есть распараллеливания знак

00:04:49

означает либо запуск на вашем ноутбуке

00:04:53

например на отдельных ядрах но это тоже

00:04:56

не эффективно с большими данными идет

00:04:58

речь о по обработке на кластерах облака

00:05:01

в облаках и хорошо работает там тоже

00:05:05

методы распараллеливания вам придется

00:05:08

переписывать ваши алгоритмы которые

00:05:12

работали с не большими файлами или

00:05:15

данными если файле например в excel

00:05:19

файле если у вас миллион из трех данных то ваш

00:05:22

код перестанет работать его нужно

00:05:24

переписывать то есть уже под из того что

00:05:32

я рассказала можно сделать выводы о том

00:05:36

что с большими данными работают

00:05:38

отдельные методики то есть например вы

00:05:41

можете либо использовать только часть

00:05:43

данных но это конечно не серьезно

00:05:45

использовать ту часть которую влезает в

00:05:47

память компьютера остальные получается

00:05:49

выкидывать уже более серьезные методы и

00:05:54

правильные это последовательная работа с

00:05:56

частями данных то есть вы считываете

00:05:58

кусочки которые могут складировать могут

00:06:02

обрабатываться в вашей памяти

00:06:04

обработайте обрабатываете эти данные и

00:06:06

результаты уже вместе складируете

00:06:09

то есть получается что вам нужно писать

00:06:11

c

00:06:12

а частями считывать данные читаем

00:06:14

обрабатывать и потом объединять и более

00:06:19

эффективная методика это

00:06:20

распараллеливание когда данные и кусочки

00:06:24

считаются параллельно вместе что хорошо

00:06:27

представлена реализовано в матлабе то

00:06:32

есть если вы хотите работать с полей в

00:06:35

нем вставляется сам эффективной

00:06:36

методикой

00:06:37

вам пойдет изучать методы раз проливания

00:06:39

это отдельные методы для работы сбит да

00:06:42

да и то не все методики которые вы

00:06:46

использовали легко переписываются в

00:06:48

параллельные вычисления

00:06:49

если не до этого считались и вот

00:06:51

последовательно вам придется потратить

00:06:53

огромное количество времени на изучение

00:06:55

решение этих проблем если вы хотите

00:06:56

работать в open source например и это

00:06:59

конечно может повлиять на качество

00:07:00

результаты потому что вам потратить

00:07:02

придется а первых много времени чтобы

00:07:04

изучить новые методики чтобы их

00:07:06

реализовать и не факт что с первого раза

00:07:08

вы получите хороший результат то есть

00:07:10

вам придется отвлекаться от своей

00:07:12

основной работы на то что возможно вам

00:07:14

совсем и не интересно но необходимом и

00:07:18

поэтому вот love ставят такой целью для

00:07:21

себя что вы специалисты занимались своей

00:07:24

основной деятельностью а вопросы

00:07:26

параллель его не раз пролили в ней

00:07:28

процессов автоматизации matlab может

00:07:30

взять на себя что предлагает значит

00:07:35

matlab предлагает практический бесшовный

00:07:39

переход от обработки обычных данных к

00:07:42

обработке больших данных помимо быстрого

00:07:45

перехода который вы сегодня надеюсь

00:07:47

почувствуете

00:07:48

переходов большим данным музло позволяет

00:07:50

обрабатывать большие данные обучаются

00:07:53

модели машинного обучения и тоже также

00:07:56

нейросети вот лап автоматически

00:07:58

исправления в эту обработку больших

00:08:00

данных вам должен не нужно понимать как

00:08:02

работает распараллеливания и тем более

00:08:04

не нужно переписывать код все будет

00:08:06

работать из коробки уже само по себе

00:08:11

так что задача мосаб это вас как

00:08:15

специалистов не напрягать не нужными вам

00:08:17

вещами не отвлекать от основной работы и

00:08:19

прийти к работки больших данных быстро

00:08:21

за один сегодняшний урок и результат вам

00:08:25

будет гарантированно эффективный

00:08:27

что вы сам стоят они смогли бы добиться

00:08:32

то есть чтобы уже было целостно понятно

00:08:35

как и чего состоит анализ больших данных

00:08:37

в matlab то есть это считывание порциями

00:08:41

последовательно или параллельно для

00:08:43

ускорения считывания данных их анализ

00:08:48

специальными алгоритмами машинным

00:08:50

обучением и

00:08:51

что в большинстве случаев требуется это

00:08:55

масштабирование то есть обычно вам нужно

00:08:57

масштабировать ваш алгоритм

00:08:59

то есть реализовать его на сервере где

00:09:02

ваши потоки данных будут обрабатываться

00:09:04

быстрее чем вас на компьютере и все это

00:09:06

масло позволяет делать в одной среде

00:09:12

ключевой возможностью хранения данных их

00:09:18

считывания является дат астор в которой

00:09:20

мы уже работали на прошлом занятия также

00:09:24

есть второй вариант это высокие массивы

00:09:28

то ли рейз для обработки больших данных

00:09:30

с которыми мы сегодня будем работать

00:09:33

активно и

00:09:34

для работы с распределенными данными и

00:09:37

массивами тоже есть nice trip

00:09:38

инструмент дистрибьютера из если вы

00:09:40

занимаетесь такими вещами то вам будет

00:09:42

это интересно

00:09:43

например разреженными матрицами и для

00:09:46

работы с огромными много- размерными

00:09:48

сигналами то вы сможете обрабатывать с

00:09:50

помощью специальных методик маслами все

00:09:52

это мы сегодня будем работать столько

00:09:57

стул и рейс так как мы изучаем

00:10:00

классический анализ данных масштаб и

00:10:03

также уточнил что мог на позволяет работ

00:10:05

с популярными серверами облачными

00:10:07

сервисами типа ходу в spark то что часто

00:10:10

очень используется все это поддерживает

00:10:20

итак про охранение считывание данных

00:10:24

простор масло представляет простой

00:10:27

доступ к данным который поддерживает

00:10:29

многие форматы которые здесь указаны

00:10:32

автоматически чистовые данные блоками

00:10:34

согласно памяти вашего компьютера раз

00:10:36

проливает их чтобы вы об этом не думали

00:10:38

то есть все это делает автоматически уже

00:10:44

был вопрос насчет того чем отличается я

00:10:46

думаю что я уже на него ответил а если

00:10:48

вы работали когда-нибудь с низкого

00:10:51

уровня функциями и действительно вручную

00:10:54

распараллеливания процесс это вы знаете

00:10:56

как это трудно какое количество работы и

00:10:59

знание на это уходит все это делается

00:11:01

здесь автоматически то есть как работать

00:11:07

с big data

00:11:09

я вот постоянно говорю о том что нужно

00:11:10

переписывать функции то есть в matlab

00:11:14

также и предоставляет возможность

00:11:16

работать с низкой уровнями функциями то

00:11:19

есть которые не ограничите не

00:11:21

накладывает ограничения на работу с

00:11:22

большими данными при ограничении мы еще

00:11:24

кому не очень сейчас понятно будем

00:11:26

обсуждать этот вопрос на примере не

00:11:30

скоро огневые функции

00:11:31

не накладывает ограничение на работу с

00:11:34

большими данными но они не очень удобные

00:11:36

и простые в использовании но они хороши

00:11:39

для тех кто уже разбирается более-менее

00:11:40

как работает обработка больших данных

00:11:42

принципе им чего-то не хватает они могут

00:11:45

самостоятельно эти функции

00:11:47

реализовать и второй вариант это

00:11:50

высокоуровневый алгоритмы

00:11:52

с которой мы сегодня будем работать на

00:11:54

практике они накладывают некоторые

00:11:56

ограничения при работе с большими

00:11:58

данными но в 90 процентов случая по

00:12:01

группы там и оценки вы все свои

00:12:04

алгоритмы матлабе которые используйте

00:12:06

сможете применять точно также эти

00:12:10

высокоуровневые алгоритмы и удобные и

00:12:12

простые в использовании в отличие от

00:12:13

низкоуровневые функций они позволяют вам

00:12:16

быстро начать работу с большими даны

00:12:18

после погрузиться в тему чем мы сегодня

00:12:20

займемся уже скоро также тех кто

00:12:25

интересуется перечислю штамма tab

00:12:28

поддерживается спмд

00:12:30

параллельная обработка разных масел

00:12:33

автограф мой previews ты наверное самый

00:12:35

популярный подход при работе с большими

00:12:37

данными позволяет любые

00:12:39

алгоритм спит лена запускать и matlab и

00:12:43

и альфу спок то есть спорт часто

00:12:45

используется при работе вашими данными

00:12:46

то есть это все мы как поддерживает

00:12:50

давайте сосредоточимся уже на высок

00:12:53

высокоуровневых возможностей

00:12:55

возможностях то есть дистрибьютер и ray

00:12:59

& towers

00:13:00

они поддерживают задач линейной алгебры

00:13:03

фильтрации тарой удобен для статистики

00:13:06

машинного обучения то есть то что мы

00:13:08

сегодня будем работать в чем вообще

00:13:11

проблема большой файлов почему я говорил

00:13:13

о том что они не помещаются в память

00:13:15

вашего компьютера то есть большими

00:13:18

данными называются те которые помещаются

00:13:21

не в оперативную память компьютера

00:13:23

которого работаете не в кластер который

00:13:26

там стоит из нескольких или сотни

00:13:27

компьютеров тогда мы объявляем в таких

00:13:30

случаях мобиля и matlab высокий массив

00:13:33

говорим что это матрица

00:13:35

например нас на 10 столбиков мы говорю

00:13:37

что эта матрица с десятью столбиками и

00:13:39

там миллиард строк например в ней мы не

00:13:42

знаем сколько строк не указом это потому

00:13:45

что мы не можем даже читать ее полностью

00:13:48

посмотреть сколько же строк в этой

00:13:49

матрице в этой таблице то есть это

00:13:52

называет высоким высоким массивом тала

00:13:55

рей который мы будем использовать

00:13:56

сегодня матлабе 1 будет автоматически

00:13:59

считывать его кусочками обрабатывать

00:14:01

складывать результат при этом еще и

00:14:04

распараллелить вычисления если мы такую

00:14:06

функцию включим он может например не

00:14:09

только в пределах вашего компьютера но и

00:14:11

по кластерам параллельно все раскидать

00:14:13

то есть это параллель компьютерный бокс

00:14:17

он поддерживать ты картам виде ускоряет

00:14:20

вычисления на порядки таким образом

00:14:25

вот ну в общем сильные стороны matlab

00:14:28

для бега это вы наверное лучше увидеть и

00:14:30

когда мы перейдем конкретному же примеру

00:14:32

потом уже можно будет это обсуждать

00:14:34

давайте приступим к могла бы тоже я

00:14:39

открою

00:14:44

давайте о том что вы скачали то те кто

00:14:47

работает

00:14:48

апреля со мной то есть вы открываете эту

00:14:51

папку таким образом она должна у вас

00:14:53

слева точно должна слева точно также

00:15:00

быть видно давайте немножко приближу

00:15:11

наверное так будет лучше слева может

00:15:18

быть кто то не знает как у меня так по

00:15:20

типам все

00:15:21

скопировано вы можете здесь выбрать

00:15:23

группировку по типам или по размерам и

00:15:26

почему уходит на достаточно удобно так

00:15:28

кормить потому что как видите у нас

00:15:30

сегодня данные разнообразные то есть

00:15:32

папке хранятся наши данные с первого

00:15:36

занятия их меняться уже готовые функции

00:15:38

предложения которые потом вернемся и

00:15:40

веб-скрипты с одним из них мы уже работ

00:15:43

будем работать сейчас то есть в котором

00:15:45

у которого есть концепт песка дема

00:15:47

этот скрипт с пустыми строками которыми

00:15:51

вместе будем записывать и второй скрипт

00:15:53

уже с готовым решением

00:15:55

если вы работаете вместе со мной и

00:15:57

например где-то отстали или вас есть к

00:15:59

это ошибка вы не понимаете что вы

00:16:01

неправильно переписали открываете его и

00:16:04

смотрите тогда дам вот в любом случае

00:16:07

вас будет потом

00:16:08

время разобраться с этим так давайте

00:16:13

начнем работать с параллельными

00:16:15

вычислениями

00:16:16

как их включить здесь есть иконка снизу

00:16:20

слева начинаем параллельно вычислениям

00:16:23

те щас нажала и у нас будет происходить

00:16:28

инициализация видите этот индикатор

00:16:31

который до этого не было никакого цвета

00:16:33

начинают уже мигать синим происходит

00:16:36

инициализация

00:16:37

мы его время работы с правильным

00:16:42

вычислениями сможем отслеживать их

00:16:45

давайте сразу открою и потом мы

00:16:48

посмотрим обязательно посмотрим нагрузку

00:16:52

так ну все через несколько минут он уже

00:16:55

будет готов и если вы хотите читать

00:17:02

параллельно на кластере сервере amazon

00:17:06

microsoft и так далее это тоже можно

00:17:09

настроить давайте а сразу покажу

00:17:11

вкладках а вот тоже параллель и здесь

00:17:16

вот уже дальше

00:17:17

настраиваете итак сегодня мы считаем

00:17:24

данные работаем проанализируем создадим

00:17:27

модель машинного обучения построим

00:17:28

графики больших данных давайте начинать

00:17:34

так

00:17:45

надеюсь все уже кто хотел открыли вместе

00:17:48

со мной скрипт никто не отписывается по

00:17:50

этой теме кто может быть не хочет

00:17:52

работать вместе так давайте начнем с

00:17:56

чтения данных мы должны создать здесь

00:17:59

это stor как на первом занятии указать

00:18:03

путь к папкам как мы указывали

00:18:07

до этого у нас до тостер все считается у

00:18:11

вас наверное возникает закономерный

00:18:13

вопрос почему мы загружаем наши обычные

00:18:17

маленькие данные с первого занятия хотя

00:18:19

тема сегодняшнего занятия big data

00:18:22

мы действительно в течение сегодняшнего

00:18:24

занятия будем использовать инструменты

00:18:26

для работы с большими данными но мы не

00:18:29

будем использовать применять их на самих

00:18:32

больших данных

00:18:33

а будем применять функции big bay как

00:18:36

обычным данным иначе наш вебинар бы

00:18:39

растянулся на 5 часов если бы мы стали

00:18:40

работать с реально большими данными

00:18:42

потому что даже при распараллеливание

00:18:45

большие данные обрабатываются очень

00:18:47

долго мы с вами тут засеяли бы минимум

00:18:49

часов на пять поэтому из-за того что все

00:18:53

это происходит онлайн

00:18:54

мы будем обрабатывать те же данные с

00:18:57

помощью функции

00:18:58

big data и дома вы сможете скачать вас

00:19:01

уже есть ссылка данные по желтом такси

00:19:05

уже большие данные и проверить что этот

00:19:08

скрипт будет действительно работаете для

00:19:10

больших данных как видите слева уже

00:19:13

иконка горит все время синим то есть

00:19:15

правельно вычисление уже готовы их можно

00:19:18

использовать так

00:19:26

ну у меня уже здесь написано что идет

00:19:29

загрузка данных у вас тоже должно быть

00:19:31

написано мы сразу выберем нужные

00:19:35

столбике мы с вами уже это обговаривали

00:19:38

что дата время посадки высадки

00:19:44

расстояния тариф способ оплаты

00:19:47

итоговая стоимость все это несет

00:19:50

значения для нас

00:19:51

остальное мы остальные столбики мы не

00:19:56

берем используем тоже команду превью

00:20:00

покажет она нам нашу таблицу точнее и

00:20:04

первые восемь строк matlab уже даже не

00:20:09

будет пытаться читать эти большие данные

00:20:15

дальше чем на 8 строк

00:20:19

потому что это все но бесполезно мы

00:20:21

задали эти данные как большими-большими

00:20:23

поэтому она не пытается

00:20:24

экономит место как вы видите здесь так

00:20:33

все все уже готово так

00:20:43

единственное дополнение которое хочу

00:20:45

сказать что если вы если тойоте

00:20:48

вот это хранилище ты-то стар и далее

00:20:50

считываете данные с помощью высокого

00:20:52

массива как мы сейчас это будем делать

00:20:54

вы должны быть уверены что все ваши

00:20:56

данные одинаковые то есть если у вас

00:20:58

идет огромный поток данных миллионы

00:21:02

строк то всегда должны быть все столбцы

00:21:06

тонах иначе ваша обработка где-то в

00:21:08

середине сломается и все было зря вы

00:21:11

должны обеспечить в этой единообразие

00:21:13

структуру ваших данных ну наверное это

00:21:16

очевидно что пока не туда ритмов

00:21:19

работающих с корявыми данными и большими

00:21:21

данными одновременно поэтому надо

00:21:23

обеспечивать качество данных если вы

00:21:25

хотите так легко работать с большими

00:21:27

данными и так мы указали путь к нашей

00:21:33

таблице и какие столбцы нас интересуют

00:21:35

теперь задаем тон и рэй о чем я говорила

00:21:38

она до 1 комментить обратно для тех кто

00:21:41

делает параллельно что-то раз комментить

00:21:44

эту строку и у нас здесь уже сохранилась

00:21:49

ds наш дед астор мы его считаем высокий

00:21:55

массив так

00:22:05

подождем

00:22:08

увидите что правильное вычисление

00:22:11

написано бизе то есть она работает и у

00:22:14

нас здесь выполняется выводится сразу

00:22:16

начала только таблице данные выводятся

00:22:19

вот удобно виде таблицы и обратите

00:22:26

внимание что здесь дальше стоят точки

00:22:30

это значит то что алгоритм не пытается

00:22:34

читать данные дальше то есть я

00:22:37

предпросмотр у нас доступной только

00:22:39

восемь строк эта особенность back to the

00:22:43

все данные наши мы забыли как ментатов

00:22:46

займемся pride обработкой данных

00:22:48

большинство вещей которые функции

00:22:51

которые мы сейчас будем выполнять мы уже

00:22:53

обсуждали на предыдущих вебинарах то

00:22:55

есть вы здесь можете проследить

00:22:57

закономерный что мы сначала проработали

00:23:00

ну если мы работали сбегает и то мы бы

00:23:03

сначала поработали наш алгоритм с

00:23:07

маленькой выборкой данных и теперь тоже

00:23:09

самое применяем для большой выборке

00:23:11

которые мы даже не могли бы изначально

00:23:12

читать оставляем только поездки по

00:23:21

стандартному тарифу мы это также мы-то

00:23:25

также обсуждали на прошлых занятий

00:23:29

почему так делаем потому что у нас

00:23:32

остальные данные малодоступны их очень

00:23:36

мало поэтому сразу сохраняем только

00:23:40

данные

00:23:41

где рейд отойди единиц этой стандартный

00:23:44

тариф

00:23:49

так выполняем и как и до этого делали

00:23:58

оптимизируем типы данных то есть

00:24:01

переводим в категории

00:24:03

то что должно являться то есть тип

00:24:06

оплаты перевозим iv категориальный тип и

00:24:12

создаем новый признак то есть время

00:24:17

поездки мы тоже это уже обсуждали что

00:24:21

нам не нужны данные посадки и высадки из

00:24:25

такси нам важнее длительность поездки

00:24:28

что здесь реализовано так я выполняла

00:24:38

вот эту строку давайте обратим справа

00:24:42

внимание на workspace что у нас здесь

00:24:46

посчиталась т и наша t0 они не

00:24:51

обозначены как обычные массивы здесь

00:24:54

написано что эта высокая таблица

00:24:56

известно что здесь 6 столбцов но

00:25:01

неизвестно сколько строк м и здесь

00:25:06

внутри них нет никаких чисел то есть

00:25:10

matlab подготовил пока такие

00:25:12

массивы в котором будет записывать

00:25:13

числовые данные только мы запустим

00:25:15

но чтобы запустить какие-то функции для

00:25:19

the race для больших данных нужно

00:25:22

прописать

00:25:23

отдельную функцию давайте запустим это

00:25:26

дальше

00:25:33

пока это выполняется следующим действием

00:25:36

после того как мы нашли новые признаки

00:25:39

в данных мы очищали данные удаляли

00:25:44

еще одни не нужные столбцы из таблицы то

00:25:47

есть мы сейчас посчитали длительность

00:25:49

поездки мы можем удалить теперь посадку

00:25:52

и высадку из автомобиля на нам не

00:25:54

интересуют несет никакой информации о

00:25:56

стоимости и редко это дико так как мы

00:25:59

работаем только стандартные поездками

00:26:01

он нам не нужен и после этого мы снова

00:26:07

мест инвестировали пропущенные значения

00:26:10

то есть стоимость поездки не может быть

00:26:15

меньше чем 1 доллар нам это не интересно

00:26:17

мы это не будем анализировать и

00:26:21

предсказывать и второе то что дистанция

00:26:25

не может быть 0 тоже нам это не

00:26:32

интересно будет можно не двигается

00:26:33

удаляем так как мы это задали значение

00:26:37

пропусками удаляем эти пропуски из

00:26:39

таблицы и дальше очищаем данные от

00:26:44

выбросов

00:26:53

очищаем данные вычищали раньше с вами

00:26:56

данные от выбросов по длительности

00:27:00

дальности стоимости поездки и сейчас у

00:27:04

нас большими данными уже есть отличия то

00:27:07

есть мы используем сейчас

00:27:08

высокоуровневые

00:27:09

функции я говорил что них есть

00:27:11

определенные ограничения и выкрас как

00:27:13

видите здесь

00:27:14

отличия в этой функции на первой лекции

00:27:16

мы удаляли данные с помощью просителей

00:27:19

мы оставляли только девяносто девять

00:27:21

процентов данных один процент выбросов

00:27:25

мы удаляли но в таком виде это функция

00:27:28

не поддерживается высоких массивах и вот

00:27:33

это ограничение

00:27:34

если это принципиальный момент его можно

00:27:38

обойти ну вот в частности простым

00:27:42

способом как мы сейчас выбрали

00:27:44

аромат loris эта функция работает и без

00:27:47

процентили для больших данных она делает

00:27:51

иначе удаляет выбросы и для нас это

00:27:56

сейчас неприлично поэтому мы используем

00:27:58

эту функцию в таком виде и вы можете

00:28:02

каждую функцию проверить документации

00:28:05

внизу давайте сейчас откроем туда

00:28:07

документацию и посмотрим как понять что

00:28:10

поддерживается функция а что не

00:28:13

поддерживается

00:28:20

функция remove лайлс мы листаем самый

00:28:24

низ всегда так и вот снизу нас как раз

00:28:30

таки написано что поддерживается что нет

00:28:32

мы видим что здесь есть доллара и значит

00:28:34

они поддерживаются и деле как раз таки

00:28:37

написанные ограничения которые

00:28:39

существуют на момент текущие версии вот

00:28:43

как раз таки процентили

00:28:45

здесь не работают так вы можете таким

00:28:48

образом проверять и остальные функции вы

00:28:55

видите результат выполнения этой функции

00:28:57

что это толстый был высокая таблица и

00:29:02

здесь нет никаких уже чисел здесь только

00:29:06

вопросы то есть мы флаг не выполнил с

00:29:09

вами функций который мы с вами сейчас

00:29:10

прописали численного результата нет но

00:29:13

matlab запомню что эти на функции нужно

00:29:16

выполнить

00:29:17

что чтобы их выполнить чтобы реально

00:29:20

запустить обработку больших данных нужно

00:29:22

прописать дополнительным функциям и

00:29:24

позже это сделаем но пока в таблице

00:29:26

т у нас вопросы который заменит

00:29:29

значениями когда начнется обработка

00:29:31

когда мой опекун ту функцию так давайте

00:29:38

пока что посмотрим как визуализировать

00:29:41

большие данные

00:29:43

построим точечные график зависимости

00:29:46

поездки стоимости поездки от ее

00:29:49

дальности также над уточнить что не все

00:29:53

графики поддерживаются для больших

00:29:54

данных тоже проверяйте документации но

00:29:57

привычный нам уже вторые графике все

00:30:00

поддерживаются фигура vision он нам

00:30:10

нужно для того чтобы построить этот

00:30:11

график вни-ма club напомню что интересно

00:30:18

то что мы еще не запускали обработку

00:30:20

наших данных и мы сейчас увидим как они

00:30:23

будут раз таки и обрабатываться давайте

00:30:27

построим функцию

00:30:29

это она поддерживается сказываю же trip

00:30:37

distance

00:30:42

данные пусть будут точками так запускаем

00:30:48

и снова у нас видно что при этом числе и

00:30:54

на начались фигура это для демонстрации

00:31:00

хороша тем что вам видим здесь сам

00:31:03

процесс загрузки данных то здесь есть

00:31:07

пауза сейчас здесь будет индикатор как быстро

00:31:11

считаются данные можно поставить при

00:31:15

желании на паузу вот видите пошла пошла

00:31:18

в построении

00:31:20

давайте посмотрим вот меня здесь большая

00:31:23

загрузка 90 процентов процесс построения

00:31:28

начался все хоть мы и используем наши

00:31:34

обычные данные но все строится долго

00:31:37

из-за того что алгоритмы больших данных

00:31:39

которые мы сейчас используем не

00:31:41

рассчитаны для они рассчитаны только для

00:31:43

больших данных имеют особенные алгоритмы

00:31:45

процессы раз prayers распараллеливания

00:31:47

которые требуют много времени поэтому

00:31:49

маленькие данные так обрабатывать только

00:31:51

дольше и не имеет смысла но зато с

00:31:54

помощью этих алгоритмов вы можете

00:31:56

эффективно обрабатывать визировать

00:31:58

большие данные чего вы стандартными

00:32:00

функциями сделать не сможете

00:32:02

давайте подождем пока это строится этот

00:32:08

график

00:32:20

даже с распараллеливание им в этом еще

00:32:23

зеленая на пара сработает строится

00:32:28

достаточно все долго причем давайте пока

00:32:34

расскажу как тогда происходит это

00:32:37

построение

00:32:38

мы с вами сейчас не увидим все данные

00:32:40

matlab схитрил он построил только часть

00:32:44

данных

00:32:45

потому что строить графики из всего

00:32:48

набора данных нереальная задача поэтому

00:32:51

масло и вот есть такой хитрый инструмент

00:32:52

который делает это порциями то есть он

00:32:55

сейчас построил основную часть данных

00:32:58

причем этот график потянет любое

00:33:00

количество данных вопрос только во

00:33:01

времени 1 поддерживать любой объем

00:33:03

данных в этом-то и суть и мы можем

00:33:07

приблизить например этот график и тогда

00:33:10

график и тогда она так начнет

00:33:12

достраивать идите опять процесс

00:33:15

построения пошел

00:33:17

здесь много можно поставить на паузу и

00:33:20

декоратор параллельных вычислений снова

00:33:22

горел зеленым вот снова он подстроил еще

00:33:25

часть данных я еще приближаю он еще

00:33:27

подстраивать то есть можно так выбрать

00:33:30

область которая вам более интересно итак

00:33:33

пробежать еще очень долго но конкретно в

00:33:35

наших данных в этом нет никакой сути

00:33:40

так на давайте тогда дальше

00:33:43

закроем этом

00:33:48

и всегда удобно работать сразу высокими

00:33:51

массивами например мы хотим вытащить

00:33:55

порцию данных и в работать сначала с не

00:33:57

как мы делали это на первом на первом

00:33:59

уроке когда то есть вы на выборке

00:34:03

отладить его шел горит чтобы он тоже

00:34:05

точно было работоспособным а потом

00:34:06

запустить его на больших данных давайте

00:34:09

попробуем это сделать мы это сможем

00:34:12

вытащить порцию данных мы сможем с

00:34:16

помощью функции

00:34:18

да да сэмпл которая давайте вскроем

00:34:22

сразу в переменную какую-то это функция

00:34:30

входит в статистик сын машин ленту бокс

00:34:32

чем большинство функций входят туда так

00:34:38

мы загружаем наши т.и.

00:34:42

давайте выборку сделаем и 10000

00:34:45

элементов и попробуем запустить появится

00:34:52

у нас ошибка а потому что я неправильно

00:34:57

написала название функции вот у нас

00:35:02

появилась ошибка как раз таки то

00:35:07

ограничения которое мы уже обсуждали что

00:35:09

не все функции поддерживаются для

00:35:11

больших данных в полном объеме в этой

00:35:16

функции

00:35:17

это сэмпл можно выбирать темные данные

00:35:21

из всей из всех больших данных с и

00:35:25

повторениями

00:35:26

и без повторений как раз таки и

00:35:29

возможность выбирать данные с

00:35:30

повторениями пока что не реализованы но

00:35:34

в ней нет особого смысла зачем нам

00:35:37

повторы поэтому давайте повторы отключим

00:35:42

и тогда эта функция

00:35:44

заработает и для больших данных

00:35:50

ой

00:35:52

так

00:36:03

будет наша высокая таблица уже выборка

00:36:07

из высокой таблице 10 тысяч данных и

00:36:10

снова здесь пока что это превью то есть

00:36:15

в реальности числовых значений нас пока

00:36:17

нету вот но теперь давайте уже запустим

00:36:22

реальную обработку данных

00:36:23

чтобы эти вопросы заменились численными

00:36:25

значениями давайте для этого считаем

00:36:28

выборку из хранилища в оперативную

00:36:31

память с помощью функции газа это

00:36:34

делается и выполним расчет получим раз

00:36:39

таки результат запишем это в ту же

00:36:42

функцию

00:36:59

с таблицей которая у нас получилась

00:37:04

сейчас закончится так

00:37:12

с этой же таблице можно будет работать

00:37:14

обычным образом вот эта таблица

00:37:18

то есть мы уже видим что у нее формат

00:37:20

нет алтай был до apple просто то есть

00:37:22

это уже не высокий массив мы можем

00:37:24

работать с этими данными как работали на

00:37:27

первом занятии

00:37:28

например вытащить общую статистику вот

00:37:38

достаточно быстро это получилось и

00:37:40

разница еще мы можем учить эту

00:37:45

статистику за чему я смотреть если мы

00:37:47

работаем краски с маленькой выборкой а у

00:37:49

нас есть очень большие данные то мы

00:37:51

можем

00:37:52

какой то хотя бы какие-то базовые выводы

00:37:55

сделать у наших данных например что даже

00:38:00

в этой выборке у нас типа оплаты как

00:38:03

неизвестный нету 0 ну и можно посмотреть

00:38:07

что у чаще всего платят например

00:38:09

кредитной картой и можем визуализировать

00:38:14

еще зависимость стоимости поездки от ее

00:38:17

длительности и сделать по ней вывод

00:38:22

такой вот что стоимость поездки

00:38:26

длительностью поездки corner uid

00:38:30

но чем больше длительность поездки тема

00:38:33

корреляция меньше видим авлия такие

00:38:35

тащил факторы на стоимость поездку то

00:38:37

есть вот такие простые выводы можно

00:38:38

делать уже по выборки данных

00:38:42

ну давайте вернемся к анализу больших

00:38:45

данных давайте найдем сколько строк в

00:38:51

нашей высокой

00:38:53

таблицы то есть количество строк это ее

00:38:57

высота так и напишем

00:39:07

нас интересует высота таблицы и вот 130

00:39:16

тыс более чем 130 3000 строк в нашей

00:39:19

таблице откуда matlab это узнал если мы

00:39:23

еще не запускали в работку всех данных

00:39:25

мы запускали только для части

00:39:27

но мы забирали из данных выборку

00:39:31

визуализировали и вводили базовым

00:39:33

статистику тогда мой папа заполнил

00:39:35

количество строк когда вытаскивал

00:39:37

случайные стройке из данных и формировал

00:39:40

нам выборку вот здесь вот на эту функцию

00:39:45

конечно лучше не надеется потому что

00:39:47

если по ней не формировали выборку то вы

00:39:49

бы на бы масок не вывел количество строк

00:39:52

а сейчас он просто сохранил их в кэша и

00:39:55

смог вывести также можем использовать

00:39:59

для высоких массивов групп в самаре

00:40:04

функцию нам уже знакомы и она позволяет

00:40:07

группировать переменные по определенному

00:40:10

столбцу

00:40:11

и по еще заданным структур вводить

00:40:14

статистику в прошлый раз мы здесь

00:40:18

использовали вместо среднего медиану но

00:40:22

она также не поддерживается высоком

00:40:24

массиве можем здесь написать мин ну и в

00:40:28

нашем случае это ни на что не позвали не

00:40:32

повлияет потому что наша цель обучить

00:40:37

модели машинного обучения они статистику

00:40:41

данных потом и собирать вот и снова

00:40:45

здесь вопросы но давайте выполним расчет

00:40:49

для и она и для g той с помощью тоже

00:40:56

функции g за

00:40:57

можем сразу для двух выполнить сюда их и

00:41:02

запишем

00:41:04

и нужно их сохранить если мы с двумя

00:41:07

переменными сразу

00:41:08

работы то синтаксис таков что мы должны

00:41:12

их квадратных скобках друг за другом

00:41:14

через запятую указать вот и запускаем

00:41:24

так

00:41:26

считается

00:41:41

и вот наш вывод н.и.

00:41:45

круг самаре вывод по типу

00:41:49

оплаты не значение для стоимости поездки

00:41:56

дистанции длительности поездки то есть

00:42:01

мы с вами сейчас уже работали с большими

00:42:04

данными обработали посмотрели базовую

00:42:06

статистику проверяли что наш алгоритм

00:42:08

работает давайте двигаться дальше

00:42:13

неплохо было бы научиться сохранять наши

00:42:18

высокую таблицу т например в мать на

00:42:23

файл сначала без ее вычисления с помощью

00:42:27

функции сейф но мы здесь сначала пишем

00:42:36

как мы хоть и назвать эту переменную

00:42:38

например такси да это-то а теперь какую

00:42:42

переменную собираемся сохранять допустим

00:42:46

у нас появится здесь слева видно этот

00:42:51

мод файл почему он так быстро сохранился

00:42:56

мы не запускали обработку на данном

00:42:59

этапе то есть хранилась у нас переменная т вот

00:43:03

которые здесь как раз таки без числовых

00:43:07

значений то есть это высокий массив

00:43:09

нужные размерности keiser кем мы не

00:43:11

применяли до сих пор пока не полнеем

00:43:14

казар наши операции аккуратно

00:43:16

сохраняются последовательно но не

00:43:19

выполняются и как током выполним функцию кайзер этот

00:43:22

список операции начнет реализовываться

00:43:25

то есть cf позволяет нам сохранить свою

00:43:27

работу на чтобы выгрузить сами

00:43:29

обработанные данные нужно применять

00:43:31

функцию right

00:43:33

но если вы например хотите выгрузить

00:43:34

данные передать их коллегам то нужно

00:43:37

использовать функцию карает мы тогда

00:43:40

вычислим уже и таблицу и запишем уже

00:43:45

значение

00:43:48

у нас файлов сейчас покажем будь то есть

00:43:57

создадим папку пример почему так

00:44:01

называется которой мы сохраним наши

00:44:04

файлы уже обработаны и все пусть они

00:44:12

называются также это значит звездочка

00:44:15

что он представляем от набу

00:44:16

возможность сохранить их назвав

00:44:21

автоматически то есть по совместно с

00:44:24

этими файлами и записываем функцию

00:44:28

таблицу ты

00:44:30

запускаем

00:44:39

то есть вот мы видим что правильно

00:44:41

вычисление заработали вычисляется и

00:44:44

сразу записывается в эту папку так

00:44:56

все дома до сохранилась теперь в этих

00:45:00

файлах

00:45:01

давайте мы кстати можем открыть вне

00:45:08

могла бы давайте ваксой например откроем

00:45:11

мы видим что здесь катается уже четыре

00:45:13

наших столбца

00:45:15

вот то есть это три по которой мы будем

00:45:20

предсказывать и стоимость которую мы

00:45:23

собственно предсказываем и здесь уже мы

00:45:25

видим что это категориальные переменные

00:45:29

таким образом можно сохранять данные и

00:45:32

вычислять их давайте дальше и придем к

00:45:36

обучению модели на этих больших данных

00:45:40

мы уже с вами работали с деревьями

00:45:46

давайте в этот раз мы обучим эту зеленую

00:45:48

модель для разнообразия и ещё потому что

00:45:54

она обучается действительно быстрее вот

00:45:57

так как мы используем функция больших

00:45:59

данных это будет нам выгодно сегодня и

00:46:03

когда модель обучиться мы выведем

00:46:06

формулу

00:46:07

регрессии чтобы знать как она взгляд

00:46:09

matlab и как с ней работать так

00:46:15

с помощью функции fit мы подаем таблицу

00:46:23

на вход и должны указать столбец который

00:46:29

мы хотим предсказывать по остальным

00:46:32

уникальным стоп там так подсказывает и

00:46:38

сохраним эту модель в mdl так все можно

00:46:46

запускать

00:46:50

сейчас процесса вычисли процесс обучения

00:46:53

пойдет с помощью параллельных вычислений

00:46:56

то есть увидите как просто вас лобби

00:46:59

работа с большими данными не нужны

00:47:01

знания о параллельных вычислений

00:47:02

mathworks старается сделать все простым

00:47:05

доступным для вас так как у нас данных

00:47:09

немного и модели выбрала быструю то она

00:47:13

уже и до считалось тем более в правильно

00:47:17

вычислениями например меня на компьютере

00:47:19

раза в 3 быстрее это все происходит чем

00:47:22

без правильных вычислений и так давайте

00:47:26

разберемся что и здесь нам вывелось то

00:47:30

есть модель ндс нас сохранилась также мы

00:47:36

получили формулу регрессии вот она она

00:47:39

условно показывает регрессионную модель

00:47:42

то есть здесь показано что общая

00:47:46

стоимость зависит от дистанции типа

00:47:49

оплаты и времени поездки

00:47:51

но сами коэффициенты указаны в таблице

00:47:55

они разные вот они разные в зависимости

00:47:59

от типа оплаты вот здесь то есть

00:48:06

формуле мы видим что один это

00:48:09

определенный коэффициент вот он 4 и 4

00:48:12

дальше плюс длительность поездки

00:48:15

умноженные на соответствующий

00:48:17

коэффициент 1.83 плюс тип оплаты

00:48:23

если к что вы считается 19 например ну

00:48:28

если там не указано типа плоды этого

00:48:31

минус 2 и 3 и дальше плюс длительность

00:48:34

поездки на коэффициент соответствующие

00:48:38

там 043

00:48:39

то есть мы получили формулу с

00:48:41

коэффициентами и то есть описанная

00:48:42

модель и у нас здесь сразу к ясно

00:48:45

среднеквадратичная ошибка если вы хотите

00:48:49

модель переобучать то есть допустим вас

00:48:51

стало больше данных вы хотите и обучить

00:48:55

еще раз вы кладете новые данные тогда в

00:48:58

ту же папку

00:49:00

сюда в ту же папку и запуск

00:49:02

эти заново весь скрипт и обучиться тогда

00:49:05

новая модель с учетом уже новых данных

00:49:10

давайте визуализируем эту модель с

00:49:14

помощью такой функции посмотрим что

00:49:17

получится вот у нас построилась такое

00:49:20

окошко зависимостью стоимости от

00:49:24

дальности способ оплаты и длительности

00:49:28

поездки мы можем здесь подвигать

00:49:31

указатель слева вправо так давайте

00:49:35

вправо например и здесь у нас будет

00:49:37

показано изменение стоимости поездки

00:49:40

соответствующие этим изменениям можем

00:49:42

сюда там например передвинуть и снова

00:49:44

поменяется то есть если вы хотите

00:49:47

посмотреть

00:49:48

изучить зависимости модели как устроена

00:49:52

эта регрессионная модель кто такой

00:49:53

инструмент может быть вам полезен и

00:49:56

визуально удобен

00:49:58

также если например вы хотите гнить ваш

00:50:02

формулы то вы тоже можете это сделать то

00:50:05

есть в таком виде это формулы как

00:50:08

увидели нужно передать ее в эту функцию

00:50:11

фитили и она подберет к в центре для

00:50:14

вашей измененные формулы вы можете

00:50:16

посмотреть этот вопрос документации

00:50:18

подробнее как это делается если это

00:50:19

актуально и давайте рассмотрим

00:50:25

предсказание на больших данных то есть

00:50:30

при скажем стоимость поездки для нашей

00:50:32

исходной высокой таблицы с помощью наши

00:50:38

простое иллюзионные модели

00:50:41

то есть это делается с помощью функции

00:50:45

predict то есть название нашей модели

00:50:48

машин обучение мдф predict и таблица п

00:50:57

запускаем и здесь выводятся значения

00:51:05

предсказанное нашей моделью и давайте

00:51:08

визуализируем для того чтобы оценить

00:51:10

точность предсказания хотя бы на глаз

00:51:14

качество нашей модели спускаем т.е.

00:51:20

здесь будет представлена зависимость

00:51:23

стоимости

00:51:25

которые правили от стоимости которая

00:51:29

предсказывает модель отведите как режиме

00:51:33

реального времени стая строится график

00:51:34

больших данных на глаз уже видно что

00:51:38

данные что наши данные неплохо

00:51:43

коррелирует если такой простой модели

00:51:46

там хороший результат вот и на этом мы

00:51:55

пример закончим то есть мы обучили

00:51:57

простую рику сиона модель с

00:51:59

использованием методов работы с большими

00:52:01

данными в matlab наша модель

00:52:03

предсказывает

00:52:05

стоимость поездки в такси по

00:52:07

стандартному тарифу

00:52:09

и использует для этого признаки

00:52:12

дальность поездки способ оплаты и

00:52:15

длительности поездки как мы обсуждали на

00:52:17

прошлом занятии вторая часть нашего

00:52:24

сегодняшнего сегодняшней лекции

00:52:27

заключается в создании приложения так

00:52:40

то есть мы будем рассматривать работу с

00:52:44

веб дизайнером вместе

00:52:54

я думаю что мы достаточно быстро успели

00:52:57

разобраться с первым примеру можно

00:52:58

наверно не делать перерыв я сейчас

00:53:04

обращу внимание на ваши вопросы секунду

00:53:12

спрашивают про литературы того как

00:53:15

делается это в матлабе в матлабе и есть

00:53:18

документации на то как что либо вы

00:53:22

хотите посчитать то есть матлабе хорошая

00:53:25

есть документация с

00:53:26

со всеми со многими примерами как

00:53:30

реализованные описанные функции и да то

00:53:36

что вы спрашиваете как раз таки про

00:53:41

вычисления регрессионных моделей там

00:53:43

тоже написано в документации как это

00:53:45

можно реализовать матлабе

00:53:54

и чтобы вычислить свои алгоритмы

00:53:58

свои там статистике вы можете это все

00:54:00

конечно оформить функцию я как раз

00:54:02

рассказывала это вначале о том что мы

00:54:05

сегодня рассматриваем высокоуровневые

00:54:07

алгоритмы где уже за вас все написано

00:54:12

ведь еще низкоуровневые алгоритмы

00:54:15

где вы уже самостоятельно прописываете

00:54:18

все что вас интересуют

00:54:20

и вы можете реализовать любые статистике

00:54:21

которые вы хотите сделать если вас не

00:54:24

устраивает представлены уже в список

00:54:25

матлабе

00:54:27

итак приступаем к созданию приложения в

00:54:33

aps вкладке у нас есть здесь

00:54:41

дизайн и возможность запустить

00:54:46

приложение для создания до ждем пока

00:54:51

загрузится

00:54:53

так вот как она выглядит здесь есть

00:54:57

большое количество примеров шаблонов

00:55:00

которые вы можете использовать и уже

00:55:03

отталкивается от них не создавать что-то

00:55:05

изначально давайте откроем уже

00:55:12

предложение которое было создано

00:55:18

немножко заранее то есть и кто работает

00:55:20

параллельно здесь есть такси и встать и

00:55:23

запускаем его и вот такая иконка для уже

00:55:30

наки данных здесь заранее инструментов

00:55:36

то есть уже так уж создан шаблон час мы

00:55:39

будем с ним разбираться но давайте

00:55:43

сначала причем внимание на то как вообще

00:55:45

устроен веб-дизайнер я видела в запросах

00:55:48

многое многих интересует как ростки

00:55:50

созданию приложений так что давайте

00:55:51

подробнее значит слева видите десятки

00:55:55

инструментов для создания графических

00:55:57

интерфейсов

00:56:00

и на рынке есть более продвинутые

00:56:04

инструменты для создания графических

00:56:05

приложений но matlab в matlab

00:56:10

веб-дизайнер позволяет вернуть ваши

00:56:12

алгоритмов удобные приложения в этом его

00:56:14

плюс то есть matlab стремится упростить

00:56:17

вашу работу но он не метит занимать мишу

00:56:20

нишу по созданию лучше красивых

00:56:22

приложений может быть вам деталь хватит

00:56:23

здесь анимации если вы хотите создавать к это

00:56:26

классное приложение и например но для

00:56:28

продажи то может быть до чего то вам здесь может

00:56:32

не хватить но тем не менее уже много

00:56:38

примеру что в matlab можно сделать

00:56:39

разнообразные приложения с большими

00:56:41

возможностями то есть со вкладками меню

00:56:43

графиками выпадающими спит к списками и

00:56:45

мы сегодня посмотрим как на примере как

00:56:49

это можно сделать и в результате как

00:56:51

экспортировать

00:56:52

ваше приложение чтобы она появилась у

00:56:55

вас вот здесь во вкладках

00:56:58

приложение тоже так здесь

00:57:09

design view представлен есть также культ

00:57:13

view вторая вкладка где представлен код уже и

00:57:19

здесь видно что очень много различных

00:57:25

функций есть то что отмечена серым

00:57:30

есть то что отмечено белым это то что

00:57:32

здесь можно редактировать

00:57:35

я думаю что многие уже поняли что это

00:57:39

объектно ориентированное

00:57:40

программирование и что приложение это

00:57:44

класс и он имеет свои свойства методы но

00:57:53

если вы не знакомы с объекта ветерана

00:57:55

программированием то в этом нет ничего

00:57:57

страшного все на разберетесь потому что

00:57:59

matlab вас предохранен от вредоносных

00:58:01

изменений программы вы можете взять

00:58:04

только код выделены белым но давайте

00:58:09

сначала вернемся

00:58:10

рязанью посмотрим что часть здесь

00:58:12

приложение то есть когда вы можете

00:58:18

создавать приложение

00:58:20

если это является вашей цели но вы

00:58:22

например у вас есть большой

00:58:24

отлаженный скрипт он содержит много

00:58:27

функций и вам предстоит что за

00:58:30

тестировать проводить эксперименты то

00:58:32

есть много-много раз раз запускать ваш

00:58:34

алгоритм для новых данных тогда легче и

00:58:37

удобнее это делать через приложение то

00:58:39

есть быстро накидать такое приложение и

00:58:42

вам тогда не придется ничего менять

00:58:45

вашим скрипте

00:58:47

и либо если вы хотите поделиться

00:58:50

например им вашим алгоритмом с коллегами

00:58:53

или клиентами которых нет масла авто

00:58:55

это хорошо сделать с помощью этого

00:58:57

приложения потому что из его могут

00:59:00

использовать не только ну смотря как вы

00:59:02

экспортируете есть возможность его им

00:59:05

приложением вашим созданы поделиться так

00:59:07

что ему господь пользоваться люди у

00:59:09

которых нет на слабо на компьютере мы

00:59:11

это далее обсудим то есть это называется

00:59:14

независимое приложение но надо сразу

00:59:18

понимаешь что такие приложения и будут

00:59:20

весить много потому что у тех кого нет к

00:59:24

на компьютере установлена вам а слабо то

00:59:26

все инструменты должны будут содержаться

00:59:28

в этом экспортируем приложение то есть

00:59:30

ответственно у бесит уже не 10 мегабайт

00:59:34

порядка килобайта но вернемся к нашему

00:59:39

приложению она себе состоит из место где

00:59:46

вы можете предлагается что пользователь

00:59:49

напишет путь к данным той загрузка

00:59:53

данных кнопка непосредственно загрузки

00:59:55

данных и поле для построения но пока что

00:59:59

эти накида ные иконки

01:00:02

не работает потому что мы не прописали

01:00:04

это в коде как можно редактировать

01:00:08

нажимаем например на поле для ввода

01:00:11

данных

01:00:13

я должен прописан быть путь эту сторону

01:00:16

справа видны в настройки

01:00:21

вот они-то здесь можно настроить его

01:00:26

шрифт изменить размер вы можете поменять

01:00:31

цвета изменить подпись

01:00:34

ну и так далее здесь можно поковыряться

01:00:37

и настроить под себя дальше

01:00:41

обрати внимание сюда на компоненты

01:00:45

то есть вот эти иконки которые были уже

01:00:48

накиды не сразу отображается здесь

01:00:52

то есть f фигура это сама иконка

01:00:57

приложения

01:00:58

дальше у нас загрузка данных путь куда

01:01:03

мы прописываем оси на которых будут

01:01:05

будет строиться гистограмма они сразу

01:01:08

здесь отображены вы здесь можете

01:01:10

поменять их названия вот и если на них

01:01:16

нажать то тоже их свойства снизу каждого

01:01:19

из них появляются их тоже можно изменять

01:01:25

давайте посмотрим код view

01:01:28

вот ну уже понятно что мы можем изменять

01:01:33

только здесь где доступно изменение и

01:01:39

здесь в свойства как раз таки в видите

01:01:42

то же самое что и для это до этого то

01:01:44

есть оси сама фигура приложения загрузка

01:01:48

данных куда вы пишете путь где строится

01:01:52

график то здесь как раз та в свойствах

01:01:54

все есть и здесь уже zara я немножко

01:01:58

приготовила новое свойство и т.п.

01:02:01

таблица который мы будем дальше работать

01:02:04

то есть

01:02:05

строите и обрабатывается и так далее

01:02:08

давайте вернемся еще раз в приложении

01:02:18

так здесь есть иконка

01:02:24

загрузить можно посмотреть call back

01:02:29

если мы хотим сделать какое-то чтобы эта

01:02:33

кнопка не было здесь просто так а чтобы

01:02:35

она выполняла какое-то действие мне

01:02:37

нажимаем и уходим в комплекс

01:02:39

и здесь у нас есть возможность сразу

01:02:43

перейти в код и здесь что-то изменять

01:02:49

давайте ещё раз вернёмся и

01:02:53

можно добавить какое-то действие культа

01:02:55

функцию например сюда вот у нас есть эта

01:03:00

блю мы можем выбрать и сразу происходит

01:03:06

в код наше приложение и здесь мы должны

01:03:11

можем что-то уже сделать то есть сейчас

01:03:16

до этого elder которая будет здесь

01:03:19

введена мы добавили иконку добавилось

01:03:23

функция и значение которой мы туда

01:03:25

передадим то есть путь его значение

01:03:27

будет лежать вот здесь всё что значит

01:03:32

апдейта welder

01:03:33

это как раз-таки значит что к любому к

01:03:37

любой этой иконке к любому свойству мы

01:03:40

обращаемся с помощью об .

01:03:44

да это это так называется окошко которая

01:03:49

записывается путь и в аудио это его

01:03:53

значение которое туда уже будет написано

01:03:55

нами будет просто уже заготовлены

01:03:57

заранее и а нас хранится значение well

01:04:01

you

01:04:04

так я думаю что были меня стал уже

01:04:07

понятно если мы также загружу нажмем на

01:04:12

загрузку

01:04:17

тоже также у нас пока появится здесь код

01:04:19

в котором я уже правда заранее какое что

01:04:21

написала мы сейчас разберемся итак что

01:04:29

происходит если мы нажимаем эту функцию

01:04:33

эту кнопку загрузить

01:04:35

вот вот эта функция у нас работает сразу

01:04:43

функция рид такси да это у нее

01:04:45

загружается путь и он сохраняется в ф .

01:04:52

т-теперь внутри приложения уже будут

01:04:55

храниться данные которые считаны были

01:04:57

в.т.

01:04:58

то есть мы сейчас не работаем workspace

01:05:02

а то есть вот здесь у нас есть какие-то

01:05:05

перемены в том числе т но приложение

01:05:08

здесь этого не видят поэтому мы должны

01:05:11

здесь все заново прописывается то есть

01:05:13

надо понимать что workspace и от

01:05:15

дизайнер это независимые друг от друга

01:05:17

вещи итак у нас передался путь ф .

01:05:22

и мы здесь его можем построить с помощью

01:05:26

функции plot такси и 100 грамм а мы

01:05:29

передаем туда .

01:05:32

axis то есть это на осях мы просим ему

01:05:36

построить таблицу которая который путь

01:05:39

уже указан что это за функция рид такси

01:05:43

да это и плод такси гистограммы

01:05:48

они у нас уже есть в папках давайте

01:05:52

откроем посмотрим

01:05:59

это код который я так сейчас перри

01:06:07

копировала из первого урока как секунд

01:06:18

здесь как раз таки

01:06:20

наши данные его путь сохраняются в ted

01:06:24

историям являются options и

01:06:27

столбики и предается эта переменная т

01:06:31

вот такси гистограмма строится

01:06:34

гистограмма по этим данным на указанных

01:06:37

осях и подписываются и ставится

01:06:41

подписываются общее название графика и

01:06:44

оси x и y то есть если мы хотим

01:06:48

производить какие-то действия приложение

01:06:52

у нас есть два варианта либо мы

01:06:55

прописываем код прямо здесь тот которая

01:06:57

сейчас показала можно было написать

01:06:59

прямо сюда либо мы здесь работаем с

01:07:04

функциями указываем просто функции и

01:07:06

тогда они должны быть у нас здесь в

01:07:09

папки лежать это мне кажется удобнее

01:07:13

потому что ну во первых есть не будет

01:07:16

огорожена путча года из-за которого

01:07:20

будет сложно что-то читаться читаться

01:07:22

код но и также эти функции мы можем

01:07:24

использовать ручки например скриптах то

01:07:27

есть это будет уже

01:07:28

унифицирована и так просто лучше

01:07:31

работать когда у вас очень длинные

01:07:32

скрипты

01:07:38

давайте убедимся

01:07:41

вообще что наше приложение работает

01:07:46

можно запустить либо из design view либо

01:07:49

и скот view

01:07:50

здесь в обоих случаях есть кнопка ран

01:07:53

допустим посмотрим что происходит

01:08:04

вот

01:08:06

нам нужно нажать так как здесь уже

01:08:09

правильные как раз таки написан путь

01:08:11

нужно нажать загрузить

01:08:16

вот и построилась гистограмма

01:08:21

обработку мы сейчас пока что в это

01:08:24

приложение не прописывание гистограмму

01:08:26

нас сильно смещена на алиева из-за

01:08:30

выбросов потому что сейчас мы построили

01:08:32

сырые данные когда как помните моих

01:08:34

когда обрабатываю нас как раз такие

01:08:36

большие выбросы и были давайте тогда

01:08:39

пропишем pride обработку в наше

01:08:41

приложение закроем его так и сделаем

01:08:49

функцию пониже

01:08:52

сделаем такую возможность для

01:08:54

пользователя выбирать работу ну

01:08:58

приложение будет работать у нас пред

01:09:00

обработкой или нет такая вот у нас будет

01:09:02

галочка назовем ее он тут можно принять

01:09:05

любое название обработать данные напишем

01:09:10

вот и если бы здесь галочка стоять тогда

01:09:13

у нас будет приходить обработка если

01:09:15

нибудь стоять-то

01:09:16

не будет проследить обработки так здесь

01:09:22

в инспекторе

01:09:24

функции можно настроить и давайте по

01:09:26

умолчанию нас галочка будет стоять вот

01:09:28

здесь я на jeans

01:09:29

справа галочку и она здесь тоже

01:09:31

появилось то есть по молчанию нас

01:09:34

порядок обработка включена вот здесь у

01:09:38

нас уже поменялось текст название текст

01:09:41

и вот здесь можно редактировать и здесь

01:09:43

и еще вот здесь сверху в компонентах у

01:09:47

нас написано об . checkbox и это не

01:09:50

хорошо потому что если муку это другую

01:09:51

галку всегда будем добавлять другой чуть

01:09:54

blogs у нас будет течь и box 1 ci box 2

01:09:57

это вообще неудобно давайте его

01:09:59

переименуем например обработку

01:10:05

то есть название должно быть максимально

01:10:08

говорящие можно написать процесс да это

01:10:10

что то такое и переходим тактов код вот

01:10:17

сюда в эту функцию нам здесь нужно как

01:10:23

раз таки дописать эту опциональную

01:10:25

предобработки

01:10:27

данных то есть если галочка стоит the

01:10:29

pride обработка перед построением будет

01:10:32

но предобработки на дописывать после

01:10:34

того как мы считали таблицу пишем

01:10:36

условие if i нам нужно обратиться к этой

01:10:42

галочки то есть мы не обращаемся к ф .

01:10:45

процесс . в л.я. поэтому потому что в

01:10:49

люк раз таки говорит есть галочкой нету

01:10:51

пишем ф ф . процесс

01:10:57

подсказывает и в ладью и если она true

01:11:01

то есть галочка стоит тогда у нас к этой

01:11:06

таблице

01:11:07

ф . t будет применяться обработка с

01:11:10

помощью этой функции которая уже

01:11:11

вынесена в отдельную вот здесь она ровно

01:11:16

то что мы с вами делали и до этого на

01:11:22

этих лекциях удаляем здесь выбросы и не

01:11:27

нужные столбцы вот пишем сюда название

01:11:31

этой функции процесс так считает

01:11:37

подсказывает

01:11:39

и передаем в нее эту таблицу ft

01:11:44

так ну и все возвращаемся ну или оттуда

01:11:53

тоже можно было запустить приложение и

01:11:55

посмотреть разницу

01:12:00

загружаем данные

01:12:02

обработку у нас уже стоит по умолчанию

01:12:04

сейчас должны быть обработаны данные ну

01:12:07

вот видна разница нормальная гистограмма

01:12:10

вот на этом этот пример небольшой

01:12:14

заканчивается

01:12:15

если вы хотите дальше работать с

01:12:18

приложениями

01:12:19

то у нас на youtube канале на котором

01:12:22

обычно смотрите трансляции ще есть видео

01:12:24

которое вы можете найти в полоску как об

01:12:26

дизайнер она правда не этого года но

01:12:30

основные функции там для начала работы

01:12:32

подробно разбирается и для начала может

01:12:36

подойти

01:12:37

а далее уже в документации много есть

01:12:40

примеру так что начинает использовать

01:12:42

поражение это реально удобно и для

01:12:46

работы внутри команды и для того чтобы

01:12:49

клиентам что-то показывать и среди

01:12:52

коллег например распространять какое-то

01:12:55

видео полезно и которые писали также

01:12:58

уточню ещё что название здесь вот matlab

01:13:02

обстоит

01:13:03

вам это наверняка не нравится это можно

01:13:05

поменять выбираем фигуру общую самого

01:13:08

приложения и здесь инспектор вот

01:13:16

идентификацию и вот это имя кара

01:13:18

smart-lab и мы можем изменить на другое

01:13:21

можем даже русское написать например ну

01:13:25

там ибо предсказанная стоимости либо там

01:13:28

анализ данных такси

01:13:31

пример

01:13:33

вот давайте еще раз запустим посмотрим

01:13:37

поменялось ли

01:13:40

вот место matlab теперь здесь анализ

01:13:42

данных

01:13:43

такси стоит так еще давайте посмотрим

01:13:53

еще одно приложение которое было тоже

01:13:56

написано уже заранее но немножко сложнее

01:14:00

это для того чтобы вы могли дома а

01:14:02

сейчас ним по разбираться в коде вот она

01:14:05

второе так

01:14:16

давайте его но можно его запустить

01:14:19

посмотреть но отличается только тем что

01:14:27

но самостоятельно загружает уже данные и

01:14:30

сразу вам покажет гистограмма если у вас

01:14:35

зависнет загрузка вы будете загружать

01:14:38

очень большие данные то она это про

01:14:40

женщина рисует вам прогресс барр то есть

01:14:42

она вам покажу такой индикатор что

01:14:44

продолжение меня зависла она просто

01:14:46

загружает очень большие данные вот

01:14:48

можете посмотреть дома в коде как это

01:14:50

здесь реализована здесь вот

01:14:52

дополнительно немножко добавлено так что

01:14:55

изучите кому интересно вот и

01:15:00

уверена что кого-то интересуют

01:15:02

независимые приложения как делиться

01:15:05

приложениями давайте это сделаю здесь

01:15:12

есть иконка шея и есть три варианта

01:15:15

можно нажать matlab это например жмем

01:15:23

так вот загружается здесь это как раз

01:15:30

таки и вы можете

01:15:35

так вы можете поделиться своим

01:15:37

приложением здесь можно написать

01:15:39

информацию об авторе

01:15:42

описание того что делает это предложение

01:15:45

приложить те файлы которые используются

01:15:49

в вашем приложении

01:15:52

вот еще здесь можете в общем у полностью

01:15:55

описать работу все что вы считаете

01:15:58

нужным и упаковать это приложение вот и

01:16:04

тогда давайте вернемся сюда вы видите

01:16:10

вот здесь слева у нас как раз таки

01:16:13

появилась этот это упаковано и

01:16:17

приложение если его запустить то она

01:16:23

установится вот она появилась среди уже

01:16:29

приложений второе потому что я до этого

01:16:31

прогоняла какое-то имя теперь два таких

01:16:34

приложениях вот и можем его запустить

01:16:42

дорог и она не запустится потому что да

01:16:48

но полностью совпадает по названию с тем

01:16:51

которое мы только что с вами создавали

01:16:53

эти поменяем его название

01:16:55

просто и попробуем еще раз запустить и

01:16:59

вот она запустилась точно такой же

01:17:07

вот то есть если его установит другие

01:17:10

ваши коллеги с маслом то смогут его

01:17:12

использовать прямо из вкладки

01:17:16

ips еще один вариант

01:17:25

так сейчас

01:17:28

еще один вариант который можно сделать

01:17:33

это в пп и еще второй вариант экс top of

01:17:38

то есть ну свое приложением понятно что

01:17:41

это такое секс туб

01:17:44

f это результате вы получите независимый

01:17:47

экзешник то есть чтобы создать и впф

01:17:52

эдак стоп оп вам нужен продукт продукт

01:17:54

matlab к полер ну давайте

01:18:07

можно почитать про matlab кампай лир на

01:18:12

нашем сайте

01:18:16

экспонента

01:18:19

вот то есть он позволяет создавать

01:18:22

независимые приложению графические

01:18:25

консольные

01:18:26

интерфейсы вот и ваши коллеги при

01:18:30

установке тогда такого приложения

01:18:32

которое было получено с помощью этой

01:18:36

возможности шея index top of они должны

01:18:43

будут либо

01:18:45

им понадобится библиотеки и matlab

01:18:47

runtime если них нет могла бы на

01:18:49

компьютере то есть так как это уже не

01:18:53

экспортируется на компьютер в котором

01:18:55

нет могла бы но приложение использует

01:18:58

функционал нужны для работы в матлабе то

01:19:04

все эти функции

01:19:06

интегрированные в уже в этот экзешник

01:19:09

через matlab runtime их можно отдельно

01:19:12

не скачивать но сама вот это приложение

01:19:14

которое получится весит порядка

01:19:17

гигабайта то есть вместе со всеми

01:19:19

библиотеками runtime они там уже все

01:19:23

включены но зато работает на всех

01:19:26

компьютерах без 0 мы слабо но в наше

01:19:29

время скачать капает я думаю что это не

01:19:31

проблема это вопрос нескольких минут

01:19:34

можете попробовать сделать это

01:19:35

самостоятельно потому что я не смогу

01:19:40

часто показать вам достаточно долго это

01:19:42

делает порядка 50 минут будет

01:19:44

упаковывать все нужные файлы но все-таки

01:19:49

речь идет о гигабайты и про

01:19:52

веб-приложения mathworks а есть продукт

01:19:57

масло ффф север давайте тоже его

01:20:00

посмотрим на сайте экспонента

01:20:14

здесь как раз на русском языке будет

01:20:18

описание этого продукта это отдельный

01:20:21

продукт mathworks который

01:20:24

устанавливается на ваш сервер или в

01:20:26

облако и вы на этот сервер закидываете

01:20:29

приложение которое скомпилирована ipad

01:20:32

лобби с помощью

01:20:33

шея в приложению на сервере будут также

01:20:36

использоваться библиотеки matlab runtime

01:20:40

то есть все это будет содержаться при

01:20:43

установке установочном файле вашего

01:20:45

приложения и тогда после установки

01:20:48

приложения доступны через локальную сеть

01:20:50

вашего предприятия просто по адресу вы

01:20:54

заходите по конкретному адресу на ваш

01:20:56

сервер у вас там список доступных

01:20:58

приложений установленных на вашем

01:21:00

сервере вы запускаете и они на вас они у

01:21:04

вас в браузере и работают то есть в

01:21:07

приложении отрисовываются вашем браузере

01:21:09

все тяжелые расчеты например обработка

01:21:12

больших данных или обучение моделей

01:21:15

выполняются на севере таким образом вы

01:21:19

можете подключаться с нескольких многих

01:21:22

компьютеров вашего предприятия сервис

01:21:25

будет обрабатывать ваши запросы по

01:21:26

очереди или параллельно на кадрах

01:21:29

процессора вашего сервера вот то есть

01:21:33

имейте ввиду что matlab серьезно

01:21:34

занимаюсь разработкой приложений для

01:21:36

серверов то есть

01:21:38

может полностью обеспечить

01:21:40

инфраструктуру для ваших логарифмов в

01:21:41

частности с помощью в приложении нужно

01:21:45

отметить что такого простого переходе

01:21:47

так веб-приложением пока что нет других

01:21:49

средах обработки

01:21:50

это очень просто и быстро реализуется

01:21:52

масло by есть редко детализована чуть

01:21:55

сложнее но тоже довольно просто однако

01:21:58

такие продукты стоят дороже то есть

01:22:00

matlab не самый другой инструмент и если

01:22:04

вы хотите работать быстро и эффективно

01:22:05

то это та matlab отличный выбор так

01:22:10

закроем это

01:22:13

вот то есть сегодня мы с вами

01:22:16

познакомились тем как сделать приложение

01:22:17

рассмотрели разные варианты экспорта

01:22:20

этого приложения получились как работать

01:22:26

с большими данными как рисовать

01:22:28

обработку пошла бен ну в принципе у вас

01:22:31

уже данные даже с сегодняшнего занятия

01:22:34

есть но они будут также выложена еще раз

01:22:36

на сайт вам должна прийти анкета на

01:22:42

почту которую нужно запомнить и после

01:22:46

этого придет ссылка на видео вебинара и

01:22:49

для скачивания материалов кстати я

01:22:52

надеюсь что проблемы со вторым и первым

01:22:55

вебинаром сах материалы уже решено

01:22:57

потому что я посмотрела сейчас все уже

01:22:59

загружено надеюсь все все скачали

01:23:05

так я смотрю на ваши вопросы сейчас если

01:23:12

какие-то относящиеся к теме вебинара

01:23:29

не знаю точно какой версии

01:23:32

работает matlab с большими данными с 19

01:23:35

точно уже работает думаю что и может

01:23:38

быть раньше не знаю на самом деле вы

01:23:40

можете отслеживать

01:23:42

что появилось в новых версиях и какая

01:23:46

версия что содержит и то есть также в

01:23:49

документации масло об открою коммутацию

01:23:51

там написано все что касается и

01:23:54

дополнительных функций которые были

01:23:56

включены версию что поддерживает matlab

01:23:58

на каждой версии и также это касается и

01:24:03

видеокарт северов и всего подобного то

01:24:07

есть документация

01:24:09

это все прописывается что начал

01:24:10

поддерживать matlab в чем отличия новой

01:24:13

версии от старых

01:24:22

так

01:24:32

в общем здесь у вас большая дискуссия на

01:24:36

я думаю что уже все судя по всему

01:24:40

выяснено

01:24:41

на этом тогда мы заканчиваем наш нашу

01:24:46

серию вебинаров

01:24:48

надеюсь вам было это полезно вы начнете

01:24:50

применять полученные знания в вашей

01:24:54

работе спасибо большое за внимание до

01:25:00

свидания

Описание:

Российская платформа математических вычислений и динамического моделирования Engee: сайт: https://start.engee.com/ Телеграм канал: https://t.me/engee_com ############### На третьем вебинаре посмотрим, как MATLAB позволяет обрабатывать большие данные и использовать их для машинного обучения с применением параллельных вычислений. Создадим независимое от MATLAB приложение на основе предсказательного алгоритма.

Готовим варианты загрузки

Популярные

HD видео

Только звук

Все форматы

* — 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 "Курс «Анализ данных». День 3. Обработка больших данных и создание приложений в MATLAB"?

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 "Курс «Анализ данных». День 3. Обработка больших данных и создание приложений в MATLAB" 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 "Курс «Анализ данных». День 3. Обработка больших данных и создание приложений в MATLAB"?

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 "Курс «Анализ данных». День 3. Обработка больших данных и создание приложений в MATLAB" 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 "Курс «Анализ данных». День 3. Обработка больших данных и создание приложений в MATLAB"?

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 "Курс «Анализ данных». День 3. Обработка больших данных и создание приложений в MATLAB"?

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.