GitPlanet

Cheap and reliable Node.js hosting starts at $3/month, and $1/month static HTML hosting

Created with love in Canada, visit hostnodejs.com today

Feel like to post an Ad? Learn Details
All Projects → Dyakonov → Iml

Dyakonov / Iml

Курс "Введение в машинное обучение" (ВМК, МГУ имени М.В. Ломоносова)

Programming Languages

python
139335 projects - #7 most used programming language

Labels

machine-learningeducationnumpypandasscikit-learnmlslides

Projects that are alternatives of or similar to Iml

Machinelearningcourse
A collection of notebooks of my Machine Learning class written in python 3
Stars: ✭ 35 (-23.91%)
Mutual labels:  pandas, scikit-learn, ml, numpy
ML-For-Beginners
12 weeks, 26 lessons, 52 quizzes, classic Machine Learning for all
Stars: ✭ 40,023 (+86906.52%)
Mutual labels:  education, scikit-learn, ml
Data Science Complete Tutorial
For extensive instructor led learning
Stars: ✭ 1,027 (+2132.61%)
Mutual labels:  pandas, scikit-learn, numpy
support-tickets-classification
This case study shows how to create a model for text analysis and classification and deploy it as a web service in Azure cloud in order to automatically classify support tickets. This project is a proof of concept made by Microsoft (Commercial Software Engineering team) in collaboration with Endava http://endava.com/en
Stars: ✭ 142 (+208.7%)
Mutual labels:  numpy, ml, pandas
Pzad
Курс "Прикладные задачи анализа данных" (ВМК, МГУ имени М.В. Ломоносова)
Stars: ✭ 160 (+247.83%)
Mutual labels:  slides, education, ml
datascienv
datascienv is package that helps you to setup your environment in single line of code with all dependency and it is also include pyforest that provide single line of import all required ml libraries
Stars: ✭ 53 (+15.22%)
Mutual labels:  numpy, scikit-learn, pandas
Pythondatasciencehandbook
The book was written and tested with Python 3.5, though other Python versions (including Python 2.7) should work in nearly all cases.
Stars: ✭ 31,995 (+69454.35%)
Mutual labels:  pandas, scikit-learn, numpy
Andrew Ng Notes
This is Andrew NG Coursera Handwritten Notes.
Stars: ✭ 180 (+291.3%)
Mutual labels:  pandas, ml, numpy
Deep Learning Wizard
Open source guides/codes for mastering deep learning to deploying deep learning in production in PyTorch, Python, C++ and more.
Stars: ✭ 343 (+645.65%)
Mutual labels:  pandas, scikit-learn, numpy
Mldm
потоковый курс "Машинное обучение и анализ данных (Machine Learning and Data Mining)" на факультете ВМК МГУ имени М.В. Ломоносова
Stars: ✭ 35 (-23.91%)
Mutual labels:  slides, education, ml
Mlcourse.ai
Open Machine Learning Course
Stars: ✭ 7,963 (+17210.87%)
Mutual labels:  pandas, scikit-learn, numpy
Orange3
🍊 📊 💡 Orange: Interactive data analysis
Stars: ✭ 3,152 (+6752.17%)
Mutual labels:  pandas, scikit-learn, numpy
Jetson Containers
Machine Learning Containers for NVIDIA Jetson and JetPack-L4T
Stars: ✭ 223 (+384.78%)
Mutual labels:  pandas, scikit-learn, numpy
introduction to ml with python
도서 "[개정판] 파이썬 라이브러리를 활용한 머신 러닝"의 주피터 노트북과 코드입니다.
Stars: ✭ 211 (+358.7%)
Mutual labels:  numpy, scikit-learn, pandas
Data Science Projects With Python
A Case Study Approach to Successful Data Science Projects Using Python, Pandas, and Scikit-Learn
Stars: ✭ 198 (+330.43%)
Mutual labels:  pandas, scikit-learn, numpy
DataSciPy
Data Science with Python
Stars: ✭ 15 (-67.39%)
Mutual labels:  numpy, scikit-learn, pandas
Cheatsheets.pdf
📚 Various cheatsheets in PDF
Stars: ✭ 159 (+245.65%)
Mutual labels:  pandas, scikit-learn, numpy
Mars
Mars is a tensor-based unified framework for large-scale data computation which scales numpy, pandas, scikit-learn and Python functions.
Stars: ✭ 2,308 (+4917.39%)
Mutual labels:  pandas, scikit-learn, numpy
AIPortfolio
Use AI to generate a optimized stock portfolio
Stars: ✭ 28 (-39.13%)
Mutual labels:  numpy, scikit-learn, pandas
Data Science Ipython Notebooks
Data science Python notebooks: Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, Python essentials, AWS, and various command lines.
Stars: ✭ 22,048 (+47830.43%)
Mutual labels:  pandas, scikit-learn, numpy
View All Similar Projects ➔

IML2020 "Введение в машинное обучение"

  • Курс на факультете ВМК, МГУ имени М.В. Ломоносова
  • спецкурс для бакалавров 1-2 г/о
  • лектор: Александр Дьяконов

Новости

В классруме появился опрос и дана ссылка на телеграм-группу курса (20.09.2020).

Важная информация

  • Обратите внимание, что курс для младшекурсников! Представители 3 потока ВМК МГУ всё равно будут слушать курс "Машинное обучение и анализ данных", студенты кафедры ММП - специализированные курсы. Поэтому бакалаврам 3-4 года имеет смысл посещать спецкурс только если они учатся на 1 и 2 потоке (не ММП).

  • Курс "с нуля" - программирование в Python, библиотеки, базовые термины. Посмотрите материалы 2018 года.

  • На курсе будут задания - именно по их решению и выставляется оценка. Не будет экзамена, тут важно программировать, сдавать онлайн-тесты и всё это делать в срок.

  • Будет производится отбор. В случае большого числа желающих, будет отбор (в пользу младшекурсников). Возможен также отбор в процессе курса - по результатам выполнения заданий.

Как записаться на спецкурс? - ЗАПИСЬ ЗАВЕРШЕНА

Если Вы всё-таки готовы записаться на курс, тогда алгоритм действия такой.

Зарегистрироваться на классруме и войти в курс (необходимо иметь аккаунт на Google)

код курса XXXXXX

Дальше следите за заданиями через классрум - до 20 сентября будет анкета "опрос участников" и будет дана ссылка на телеграм-канал для общения.

страница

Страница курса на machinelearning.ru

Материалы

доступны в телеграм-канале

слайды лекций

тема программа
Введение 25.09.2020 Вводная лекция
Анализ данных, большие данные, машинное обучение 25.09.2020 Обзор основных понятий
Язык программирования Python 09.10.2020 Синтаксис, примеры
Библиотека языка Питон - NumPy 23.10.2020 Синтаксис, примеры
Кластеризация 30.10.2020 Алгоритм, применение, дз
Библиотека языка Питон - Scikit-Learn 06.11.2020 Синтаксис, примеры
Простые методы решения сложных задач 04.12.2020 Примеры
Note that the project description data, including the texts, logos, images, and/or trademarks, for each open source project belongs to its rightful owner. If you wish to add or remove any projects, please contact us at [email protected].