DigitableCourses
Настройки портала
Показать возможности портала

Локально и без аккаунта. Аккаунта нет, регистрация не нужна: введённое в инструменты остаётся в localStorage браузера и на сервер не уходит.

Свой счётчик считает открытия страниц и дочитывания: уезжает адрес и десятая доля текста. Без cookies и чужих счётчиков, IP не хранится, Do Not Track уважается. Как это проверить

Репозиторий портала не выложен, «открытым кодом» мы его не зовём. Открыто это:

Живёт портал на донатах, платных консультациях и разборах по запросу и покупке Workbench.

Планов делать курсы платными нет.

База знаний

Тема: машинное обучение

21 материалов в этой теме.

Материалы

9 на странице
Статья

Линейная и логистическая регрессия

Два базовых линейных алгоритма ML от первых принципов: МНК как проекция, нормальное уравнение и градиентный спуск, регуляризация Ridge/Lasso, логит-преобразование, …

#машинное обучение#линейные модели#регрессия
19 мин
Статья

Кластеризация: k-means, DBSCAN, иерархическая, GMM

Четыре разных ответа на вопрос «что такое кластер»: центроидный k-means, плотностной DBSCAN, иерархический agglomerative и вероятностная смесь гауссиан — с математикой, …

#машинное обучение#кластеризация#обучение без учителя
24 мин
Статья

Данные и признаки: очистка, кодирование, масштабирование, утечки

Как превратить сырые таблицы в матрицу признаков: пропуски, выбросы, кодирование категорий, масштабирование, feature engineering и главная болезнь ML-проектов — утечки …

#машинное обучение#данные#признаки
20 мин
Статья

Временные ряды: от ARIMA до градиентного бустинга

Прогнозирование, где нарушено главное допущение ML — независимость наблюдений: стационарность и ACF, ARIMA и ETS, признаковый подход с бустингом, честный бэктест, метрики …

#машинное обучение#временные ряды#прогнозирование
25 мин
Статья

Ансамбли: бэггинг, случайный лес, градиентный бустинг

Почему сумма слабых моделей сильнее одной хорошей: декорреляция ошибок и бэггинг, устройство случайного леса, градиентный бустинг как спуск в пространстве функций, Newton …

#машинное обучение#ансамбли#градиентный бустинг
24 мин
Статья

MLOps: от эксперимента до продакшена

Как ноутбук с 0.91 AUC превращается в систему, которая держит нагрузку, переобучается сама и не разваливается через месяц: воспроизводимость, трекинг экспериментов, …

#машинное обучение#mlops#продакшен
29 мин
Статья

k ближайших соседей и наивный байесовский классификатор

Два простейших и при этом до сих пор рабочих алгоритма: ленивый непараметрический kNN и генеративный наивный Байес — от интуиции и математики до ANN-поиска и антиспама в …

#машинное обучение#классификация#knn
21 мин