Como Criar uma Solução Completa de Data Science

BT种子名称

请保存以下最新地址

BT种子基本信息

种子哈希：ea81e35d11da619e07af9e936d57dfda95eaf78b
文档大小：9.4 GB
文档个数：272个文档
下载次数：6969次
下载速度：极快
收录时间：2021-11-15
最近下载：2024-11-17
DMCA/屏蔽：DMCA/屏蔽

下载磁力链接

magnet:?xt=urn:btih:EA81E35D11DA619E07AF9E936D57DFDA95EAF78B
复制磁力链接到PikPak、utorrent、Bitcomet、迅雷、115、百度网盘等下载工具进行下载。

下载BT种子

磁力链接种子下载迅雷下载二维码 YouTube成人版 91视频 91短视频 51品茶逼哩逼哩暗网禁区欲漫涩草榴社区含羞草抖阴破解版 TikTok成人版成人快手乱伦社区 91AV 暗网禁地

Como Criar uma Solução Completa de Data Science的二维码

文档列表

6. Lives do Canal Editadas/3. Live 24 - Tutorial Básico de Pytorch/1. parte.mp4 583.1 MB
6. Lives do Canal Editadas/2. Live 18 - Introdução Básica a Redes Neurais com Tensorflow/1. parte.mp4 545.1 MB
6. Lives do Canal Editadas/1. Live 1 - Perguntas Gerais Sobre Data Science/1. parte.mp4 469.0 MB
1. Atualização O Scraper Quebrou E Agora/1. 1 Consertando o Extrator de Dados (Módulo 2)/1. parte.mp4 464.0 MB
8. Material de Suporte/2. Expanda seu conhecimento sobre validação de modelos para criar soluções mais robustas/1. parte.mp4 364.6 MB
8. Material de Suporte/1. Tutorial rápido de Scrapy/1. parte.mp4 244.1 MB
1. Atualização O Scraper Quebrou E Agora/2. 2 Consertando os Scripts de Deploy (Módulos 4 e X)/1. parte.mp4 237.8 MB
2. Validação Avançada para Time Series/7. 7 Comentários sobre o Paper que Usei como Referência/1. parte.mp4 225.7 MB
5. Redes Neurais para Time Series/9. 27 Comparando a CNN e a RNN/1. parte.mp4 195.8 MB
2. 2 Prepare os Dados/1. ATUALIZAÇÃO Assista este vídeo antes de iniciar o módulo 2/1. parte.mp4 160.3 MB
2. 2 Prepare os Dados/7. 26 Limpando e Transformando os Dados/1. parte.mp4 155.5 MB
4. Ensembles (Stacking) para Time Series/3. 3 Redes Neurais e Primeira Stack/1. parte.mp4 151.4 MB
3. Feature Engineering/4. 14 Transformação Avançada de Categóricas com Likelihood e P-value - Featurização e Modelagem/1. parte.mp4 151.2 MB
3. Feature Engineering/6. 22 Como Construir o Alvo (Y) Para a Previsão/1. parte.mp4 137.8 MB
4. Ensembles (Stacking) para Time Series/9. 9 Stacking (com Model Selection) Usando Ridge/1. parte.mp4 135.7 MB
3. 3 Crie o Modelo/2. 32 LightGBM e Bayesian Optimization/1. parte.mp4 135.6 MB
5. Redes Neurais para Time Series/10. 28 Encoder-Decoder (Seq2Seq) para Time Series/1. parte.mp4 128.3 MB
4. Ensembles (Stacking) para Time Series/6. 6 XGBoost na GPU e Diversidade em Grupos de Linhas/1. parte.mp4 126.5 MB
3. Feature Engineering/8. 24 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 2/1. parte.mp4 124.4 MB
5. Redes Neurais para Time Series/1. 1 Redes Neurais Convolucionais para Time Series - Primeiros Passos/1. parte.mp4 123.2 MB
2. 2 Prepare os Dados/5. 24 Criando o Extrator de Dados da Página de Vídeo/1. parte.mp4 122.7 MB
4. 4 Coloque em Produção/7. 47 Analisando a Solução Final/1. parte.mp4 113.8 MB
3. Feature Engineering/3. 13 Transformação Avançada de Categóricas com Likelihood e P-value - Weighted Likelihood/1. parte.mp4 113.6 MB
2. 2 Prepare os Dados/2. 21 Criando o Coletor da Página de Busca do Youtube/1. parte.mp4 107.6 MB
4. Ensembles (Stacking) para Time Series/10. 10 Stack Final com Média Ponderada de 2 Modelos/1. parte.mp4 107.5 MB
4. Ensembles (Stacking) para Time Series/1. 1 Introdução ao Stacking na Prática/1. parte.mp4 107.4 MB
3. Feature Engineering/7. 23 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 1/1. parte.mp4 106.6 MB
4. Ensembles (Stacking) para Time Series/7. 7 Diversidade de Hiperparâmetros e Ideias Criativas com XGBoost/1. parte.mp4 104.3 MB
3. Feature Engineering/5. 21 Juntando informações de time series diferentes/1. parte.mp4 104.1 MB
5. Redes Neurais para Time Series/4. 22 Redes Neurais Recorrentes para Time Series - LSTM parte 2/1. parte.mp4 103.1 MB
5. Redes Neurais para Time Series/7. 25 Redes Neurais Recorrentes para Time Series - Estabilizando as previsões e rodando na GPU/1. parte.mp4 103.0 MB
2. Validação Avançada para Time Series/5. 5 Block e Combinatorial Cross-Validation/1. parte.mp4 100.4 MB
4. Ensembles (Stacking) para Time Series/5. 5 Diversidade com Grupos de Features e Mais uma Rede Neural/1. parte.mp4 97.4 MB
3. Feature Engineering/12. 28 Encoding de Categóricas - Embeddings Supervisionados/1. parte.mp4 97.1 MB
4. 4 Coloque em Produção/1. 41 Criando o Web App com o Flask - apppy/1. parte.mp4 96.0 MB
2. Validação Avançada para Time Series/1. 1 Holdout Simples/Materiais/train_test_feather_MAIS_DE_1GB_split.z01 94.4 MB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/Materiais/train_test_feather_MAIS_DE_1GB_split.z01 94.4 MB
4. 4 Coloque em Produção/3. 43 Criando o Web App com o Flask - get_datapy e ml_utilspy/1. parte.mp4 93.7 MB
2. Validação Avançada para Time Series/1. 1 Holdout Simples/1. parte.mp4 91.9 MB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/1. parte.mp4 90.9 MB
3. 3 Crie o Modelo/1. 31 O Primeiro Modelo - Random Forest/1. parte.mp4 90.2 MB
1. 1 Defina o Problema/2. 11 Traduzindo a Ideia para a Linguagem da Data Science/1. parte.mp4 87.9 MB
3. Feature Engineering/11. 27 Encoding de Categóricas - Model Likelihood, Reduzir Cardinalidade e PCA/1. parte.mp4 86.8 MB
5. X Melhorando o App/1. X1 Armazenando dados numa DB SQL com SQLite3/1. parte.mp4 86.6 MB
5. Redes Neurais para Time Series/5. 23 Redes Neurais Recorrentes para Time Series - LSTM com variáveis da estrutura da data/1. parte.mp4 85.6 MB
3. Feature Engineering/9. 25 Encoding de Categóricas - CountFrequency e Target Encoding Simples/1. parte.mp4 83.4 MB
3. 3 Crie o Modelo/4. 34 Ensemble Final/1. parte.mp4 82.7 MB
2. 2 Prepare os Dados/3. 22 Criando o Extrator de Dados da Página de Busca do Youtube/1. parte.mp4 75.2 MB
3. Feature Engineering/13. 29 Aproveitando Embeddings para Outros Modelos/1. parte.mp4 74.4 MB
2. 2 Prepare os Dados/8. 27 Criando as Primeiras Features/1. parte.mp4 73.5 MB
3. Feature Engineering/14. 210 Autoencoder Clássico (Self-supervised Learning)/1. parte.mp4 72.7 MB
5. Redes Neurais para Time Series/3. 21 Redes Neurais Recorrentes para Time Series - LSTM parte 1/1. parte.mp4 72.1 MB
5. Redes Neurais para Time Series/6. 24 Redes Neurais Recorrentes para Time Series - LSTM com previsão a cada passo/1. parte.mp4 68.0 MB
2. Validação Avançada para Time Series/3. 3 Prequential Expanding/1. parte.mp4 67.8 MB
3. Feature Engineering/15. 211 Denoising Autoencoder/1. parte.mp4 67.6 MB
2. 2 Prepare os Dados/10. 29 Active Learning e Adicionando Features de Texto do Título/1. parte.mp4 66.3 MB
5. Redes Neurais para Time Series/8. 26 Redes Neurais Recorrentes para Time Series - Tunando com Bayesian Optimization/1. parte.mp4 62.8 MB
3. Feature Engineering/10. 26 Encoding de Categóricas - Cuidados com Vazamento de Dados no Target Encoder e KNN/1. parte.mp4 61.0 MB
3. Feature Engineering/2. 12 Transformação Avançada de Categóricas com Likelihood e P-value - Likelihood/1. parte.mp4 60.8 MB
4. 4 Coloque em Produção/5. 45 Construindo e Rodando o Docker/1. parte.mp4 60.5 MB
4. Ensembles (Stacking) para Time Series/8. 8 (Boosted) Random Forest/1. parte.mp4 58.9 MB
2. Validação Avançada para Time Series/6. 6 Comparação dos Métodos com a Distribuição de Avaliações do Teste/1. parte.mp4 58.8 MB
3. Feature Engineering/16. 212 Transformação de Numéricas para Categóricas com Decision Trees/1. parte.mp4 57.1 MB
2. 2 Prepare os Dados/11. 210 Selecionando Exemplos para o Active Learning/1. parte.mp4 55.9 MB
4. 4 Coloque em Produção/4. 44 Criando o Contêiner com Docker/1. parte.mp4 55.4 MB
3. Feature Engineering/1. 11 Transformação Avançada de Categóricas com Likelihood e P-value - Pré-processamento dos dados/1. parte.mp4 54.1 MB
2. 2 Prepare os Dados/12. 211 Avaliando os Resultados do Active Learning/1. parte.mp4 51.6 MB
4. Ensembles (Stacking) para Time Series/4. 4 EXTRA Análise de Overfitting entre Validação e Teste (Robustez)/1. parte.mp4 50.3 MB
2. 2 Prepare os Dados/6. 25 Inspecionando os Dados Extraídos da Página de Vídeo/1. parte.mp4 49.8 MB
1. 1 Defina o Problema/3. 12 Como Escolher um Problema para Resolver/1. parte.mp4 49.4 MB
4. 4 Coloque em Produção/6. 46 Enviando para o Heroku/1. parte.mp4 45.9 MB
2. Validação Avançada para Time Series/2. 2 Repeated Holdout/1. parte.mp4 45.3 MB
2. Validação Avançada para Time Series/4. 4 Prequential Sliding/1. parte.mp4 45.1 MB
5. X Melhorando o App/2. X2 Criando a API predict para retornar previsões em vídeos fora da DB/1. parte.mp4 42.9 MB
2. 2 Prepare os Dados/4. 23 Criando o Coletor de Dados da Página de Vídeo/1. parte.mp4 41.1 MB
3. 3 Crie o Modelo/3. 33 Regressão Logística/1. parte.mp4 36.1 MB
2. 2 Prepare os Dados/5. 24 Criando o Extrator de Dados da Página de Vídeo/Materiais/parsed_video_infojson.zip 34.9 MB
2. 2 Prepare os Dados/6. 25 Inspecionando os Dados Extraídos da Página de Vídeo/Materiais/parsed_video_infojson.zip 34.9 MB
2. 2 Prepare os Dados/9. 28 Visualizando e Interpretando uma Árvore de Decisão/1. parte.mp4 28.4 MB
4. 4 Coloque em Produção/2. 42 Criando o Web App com o Flask - run_backendpy/1. parte.mp4 24.6 MB
2. Validação Avançada para Time Series/1. 1 Holdout Simples/Materiais/train_test_feather_MAIS_DE_1GB_split.zip 19.1 MB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/Materiais/train_test_feather_MAIS_DE_1GB_split.zip 19.1 MB
1. 1 Defina o Problema/1. Apresentação do Autor/1. parte.mp4 9.0 MB
1. Atualização O Scraper Quebrou E Agora/2. 2 Consertando os Scripts de Deploy (Módulos 4 e X)/Materiais/deploy_ytrec3.zip 4.4 MB
5. X Melhorando o App/1. X1 Armazenando dados numa DB SQL com SQLite3/Materiais/deploy_ytrec_v2.zip 4.4 MB
5. X Melhorando o App/2. X2 Criando a API predict para retornar previsões em vídeos fora da DB/Materiais/deploy_ytrec_v2.zip 4.4 MB
4. 4 Coloque em Produção/1. 41 Criando o Web App com o Flask - apppy/Materiais/scripts_e_modelos_juntos_modulo4.zip 4.4 MB
4. 4 Coloque em Produção/1. 41 Criando o Web App com o Flask - apppy/Materiais/modelos_salvos.zip 4.4 MB
4. 4 Coloque em Produção/2. 42 Criando o Web App com o Flask - run_backendpy/Materiais/modelos_salvos.zip 4.4 MB
4. 4 Coloque em Produção/3. 43 Criando o Web App com o Flask - get_datapy e ml_utilspy/Materiais/modelos_salvos.zip 4.4 MB
4. 4 Coloque em Produção/4. 44 Criando o Contêiner com Docker/Materiais/modelos_salvos.zip 4.4 MB
4. 4 Coloque em Produção/5. 45 Construindo e Rodando o Docker/Materiais/modelos_salvos.zip 4.4 MB
4. 4 Coloque em Produção/6. 46 Enviando para o Heroku/Materiais/modelos_salvos.zip 4.4 MB
3. Feature Engineering/8. 24 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 2/Materiais/train_val_parquet.zip 1.8 MB
3. Feature Engineering/6. 22 Como Construir o Alvo (Y) Para a Previsão/Materiais/full_direct_dfparquet.zip 1.3 MB
3. Feature Engineering/7. 23 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 1/Materiais/full_direct_dfparquet.zip 1.3 MB
3. Feature Engineering/8. 24 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 2/Materiais/full_direct_dfparquet.zip 1.3 MB
3. Feature Engineering/5. 21 Juntando informações de time series diferentes/Materiais/full_plant1parquet.zip 1.1 MB
3. Feature Engineering/6. 22 Como Construir o Alvo (Y) Para a Previsão/Materiais/full_plant1parquet.zip 1.1 MB
2. 2 Prepare os Dados/2. 21 Criando o Coletor da Página de Busca do Youtube/Materiais/notebooks_e_dados_brutos_modulos2e3.zip 402.4 kB
2. 2 Prepare os Dados/7. 26 Limpando e Transformando os Dados/Materiais/raw_data_with_labelscsv.zip 229.7 kB
2. 2 Prepare os Dados/8. 27 Criando as Primeiras Features/Materiais/raw_data_with_labelscsv.zip 229.7 kB
2. 2 Prepare os Dados/9. 28 Visualizando e Interpretando uma Árvore de Decisão/Materiais/raw_data_with_labelscsv.zip 229.7 kB
2. 2 Prepare os Dados/10. 29 Active Learning e Adicionando Features de Texto do Título/Materiais/raw_data_with_labelscsv.zip 229.7 kB
2. 2 Prepare os Dados/11. 210 Selecionando Exemplos para o Active Learning/Materiais/raw_data_with_labelscsv.zip 229.7 kB
2. 2 Prepare os Dados/12. 211 Avaliando os Resultados do Active Learning/Materiais/raw_data_with_labelscsv.zip 229.7 kB
2. 2 Prepare os Dados/6. 25 Inspecionando os Dados Extraídos da Página de Vídeo/Materiais/raw_data_sem_labelscsv.zip 228.6 kB
3. 3 Crie o Modelo/1. 31 O Primeiro Modelo - Random Forest/Materiais/labels_curso - to_label_2csv.zip 228.0 kB
3. 3 Crie o Modelo/2. 32 LightGBM e Bayesian Optimization/Materiais/labels_curso - to_label_2csv.zip 228.0 kB
3. 3 Crie o Modelo/3. 33 Regressão Logística/Materiais/labels_curso - to_label_2csv.zip 228.0 kB
3. 3 Crie o Modelo/4. 34 Ensemble Final/Materiais/labels_curso - to_label_2csv.zip 228.0 kB
5. Redes Neurais para Time Series/1. 1 Redes Neurais Convolucionais para Time Series - Primeiros Passos/Materiais/sales-feb2020-prep2ipynb.zip 111.1 kB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/Materiais/p2_diario_dev_ensemble.pdf 95.0 kB
3. Feature Engineering/5. 21 Juntando informações de time series diferentes/Materiais/0_analysisipynb.zip 89.0 kB
2. 2 Prepare os Dados/7. 26 Limpando e Transformando os Dados/Materiais/modelo1ipynb.zip 70.7 kB
2. 2 Prepare os Dados/8. 27 Criando as Primeiras Features/Materiais/modelo1ipynb.zip 70.7 kB
2. 2 Prepare os Dados/9. 28 Visualizando e Interpretando uma Árvore de Decisão/Materiais/modelo1ipynb.zip 70.7 kB
8. Material de Suporte/2. Expanda seu conhecimento sobre validação de modelos para criar soluções mais robustas/Materiais/p2_live006.pdf 48.5 kB
2. 2 Prepare os Dados/4. 23 Criando o Coletor de Dados da Página de Vídeo/Materiais/parsed_videosjson.zip 43.1 kB
4. Ensembles (Stacking) para Time Series/4. 4 EXTRA Análise de Overfitting entre Validação e Teste (Robustez)/Materiais/6_overfitting_analysisipynb.zip 42.2 kB
5. Redes Neurais para Time Series/1. 1 Redes Neurais Convolucionais para Time Series - Primeiros Passos/Materiais/sales-feb2020-cnn1ipynb.zip 39.5 kB
bloq.txt 31.1 kB
2. 2 Prepare os Dados/12. 211 Avaliando os Resultados do Active Learning/Materiais/active_labels1_donecsv.zip 20.3 kB
2. 2 Prepare os Dados/11. 210 Selecionando Exemplos para o Active Learning/Materiais/active_label1csv.zip 20.0 kB
1. 1 Defina o Problema/2. 11 Traduzindo a Ideia para a Linguagem da Data Science/Materiais/p2_video1_perguntas.pdf 19.3 kB
8. Material de Suporte/1. Tutorial rápido de Scrapy/Materiais/scrapy_youtube.zip 19.0 kB
1. Atualização O Scraper Quebrou E Agora/1. 1 Consertando o Extrator de Dados (Módulo 2)/Materiais/extrator_novoipynb.zip 18.3 kB
3. Feature Engineering/1. 11 Transformação Avançada de Categóricas com Likelihood e P-value - Pré-processamento dos dados/Materiais/cat_like_notebooks.zip 17.8 kB
3. Feature Engineering/2. 12 Transformação Avançada de Categóricas com Likelihood e P-value - Likelihood/Materiais/cat_like_notebooks.zip 17.8 kB
3. Feature Engineering/3. 13 Transformação Avançada de Categóricas com Likelihood e P-value - Weighted Likelihood/Materiais/cat_like_notebooks.zip 17.8 kB
3. Feature Engineering/4. 14 Transformação Avançada de Categóricas com Likelihood e P-value - Featurização e Modelagem/Materiais/cat_like_notebooks.zip 17.8 kB
3. Feature Engineering/7. 23 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 1/Materiais/2_fundamentalipynb.zip 12.0 kB
3. Feature Engineering/8. 24 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 2/Materiais/2_fundamentalipynb.zip 12.0 kB
4. 4 Coloque em Produção/1. 41 Criando o Web App com o Flask - apppy/Materiais/novos_videosjson.zip 10.2 kB
4. 4 Coloque em Produção/2. 42 Criando o Web App com o Flask - run_backendpy/Materiais/novos_videosjson.zip 10.2 kB
4. 4 Coloque em Produção/3. 43 Criando o Web App com o Flask - get_datapy e ml_utilspy/Materiais/novos_videosjson.zip 10.2 kB
3. Feature Engineering/12. 28 Encoding de Categóricas - Embeddings Supervisionados/Materiais/6_supervised_embeddingsipynb.zip 9.8 kB
2. 2 Prepare os Dados/10. 29 Active Learning e Adicionando Features de Texto do Título/Materiais/modelo2ipynb.zip 9.6 kB
2. 2 Prepare os Dados/11. 210 Selecionando Exemplos para o Active Learning/Materiais/modelo2ipynb.zip 9.6 kB
4. Ensembles (Stacking) para Time Series/6. 6 XGBoost na GPU e Diversidade em Grupos de Linhas/Materiais/11_xgb_rows_groupsipynb.zip 9.6 kB
3. 3 Crie o Modelo/1. 31 O Primeiro Modelo - Random Forest/Materiais/modelo4ipynb.zip 9.4 kB
3. 3 Crie o Modelo/2. 32 LightGBM e Bayesian Optimization/Materiais/modelo4ipynb.zip 9.4 kB
3. 3 Crie o Modelo/3. 33 Regressão Logística/Materiais/modelo4ipynb.zip 9.4 kB
5. Redes Neurais para Time Series/10. 28 Encoder-Decoder (Seq2Seq) para Time Series/Materiais/rnn_gru1_encoderdecoder_seedavg_cuda.zip 8.3 kB
5. Redes Neurais para Time Series/3. 21 Redes Neurais Recorrentes para Time Series - LSTM parte 1/Materiais/rnn_lstm1_notebook_dados.zip 8.2 kB
5. Redes Neurais para Time Series/4. 22 Redes Neurais Recorrentes para Time Series - LSTM parte 2/Materiais/rnn_lstm1_notebook_dados.zip 8.2 kB
2. Validação Avançada para Time Series/6. 6 Comparação dos Métodos com a Distribuição de Avaliações do Teste/Materiais/6_distro_analysis.zip 8.1 kB
2. 2 Prepare os Dados/4. 23 Criando o Coletor de Dados da Página de Vídeo/Materiais/coleta_de_dados_videoipynb.zip 7.7 kB
2. 2 Prepare os Dados/5. 24 Criando o Extrator de Dados da Página de Vídeo/Materiais/coleta_de_dados_videoipynb.zip 7.7 kB
2. 2 Prepare os Dados/6. 25 Inspecionando os Dados Extraídos da Página de Vídeo/Materiais/coleta_de_dados_videoipynb.zip 7.7 kB
5. Redes Neurais para Time Series/1. 1 Redes Neurais Convolucionais para Time Series - Primeiros Passos/Materiais/ts_hr_feb_2020csv.zip 5.9 kB
5. Redes Neurais para Time Series/5. 23 Redes Neurais Recorrentes para Time Series - LSTM com variáveis da estrutura da data/Materiais/ts_hr_feb_2020csv.zip 5.9 kB
5. Redes Neurais para Time Series/6. 24 Redes Neurais Recorrentes para Time Series - LSTM com previsão a cada passo/Materiais/ts_hr_feb_2020csv.zip 5.9 kB
5. Redes Neurais para Time Series/7. 25 Redes Neurais Recorrentes para Time Series - Estabilizando as previsões e rodando na GPU/Materiais/ts_hr_feb_2020csv.zip 5.9 kB
5. Redes Neurais para Time Series/8. 26 Redes Neurais Recorrentes para Time Series - Tunando com Bayesian Optimization/Materiais/ts_hr_feb_2020csv.zip 5.9 kB
5. Redes Neurais para Time Series/9. 27 Comparando a CNN e a RNN/Materiais/ts_hr_feb_2020csv.zip 5.9 kB
5. Redes Neurais para Time Series/10. 28 Encoder-Decoder (Seq2Seq) para Time Series/Materiais/ts_hr_feb_2020csv.zip 5.9 kB
4. 4 Coloque em Produção/1. 41 Criando o Web App com o Flask - apppy/Materiais/scripts.zip 5.8 kB
4. 4 Coloque em Produção/2. 42 Criando o Web App com o Flask - run_backendpy/Materiais/scripts.zip 5.8 kB
4. 4 Coloque em Produção/3. 43 Criando o Web App com o Flask - get_datapy e ml_utilspy/Materiais/scripts.zip 5.8 kB
4. 4 Coloque em Produção/4. 44 Criando o Contêiner com Docker/Materiais/scripts.zip 5.8 kB
4. 4 Coloque em Produção/5. 45 Construindo e Rodando o Docker/Materiais/scripts.zip 5.8 kB
4. 4 Coloque em Produção/6. 46 Enviando para o Heroku/Materiais/scripts.zip 5.8 kB
5. Redes Neurais para Time Series/9. 27 Comparando a CNN e a RNN/Materiais/cnn1_emb1_seedavg_cuda_tuneipynb.zip 5.7 kB
2. Validação Avançada para Time Series/5. 5 Block e Combinatorial Cross-Validation/Materiais/5_block_cvipynb.zip 4.8 kB
3. 3 Crie o Modelo/4. 34 Ensemble Final/Materiais/modelo5ipynb.zip 4.5 kB
et/BN6AVXUX.zip 4.0 kB
et/CEF4FF5W.zip 4.0 kB
et/G7EXWS6C.zip 4.0 kB
et/QWZSJI0B.zip 4.0 kB
et/QXQ6RBRM.zip 4.0 kB
2. 2 Prepare os Dados/12. 211 Avaliando os Resultados do Active Learning/Materiais/modelo3_alipynb.zip 3.8 kB
3. Feature Engineering/11. 27 Encoding de Categóricas - Model Likelihood, Reduzir Cardinalidade e PCA/Materiais/5_categorical_model_leakyipynb.zip 3.7 kB
et/list.txt 3.6 kB
2. Validação Avançada para Time Series/1. 1 Holdout Simples/Materiais/0_1_holdout_nbs.zip 3.2 kB
4. Ensembles (Stacking) para Time Series/5. 5 Diversidade com Grupos de Features e Mais uma Rede Neural/Materiais/7_lgbm_feature_groupsipynb.zip 3.1 kB
3. Feature Engineering/14. 210 Autoencoder Clássico (Self-supervised Learning)/Materiais/8_autoencoderipynb.zip 3.0 kB
3. Feature Engineering/13. 29 Aproveitando Embeddings para Outros Modelos/Materiais/7_supervised_embeddings_2ipynb.zip 3.0 kB
2. 2 Prepare os Dados/2. 21 Criando o Coletor da Página de Busca do Youtube/Materiais/coleta_de_dados_searchipynb.zip 3.0 kB
2. 2 Prepare os Dados/3. 22 Criando o Extrator de Dados da Página de Busca do Youtube/Materiais/coleta_de_dados_searchipynb.zip 3.0 kB
3. Feature Engineering/6. 22 Como Construir o Alvo (Y) Para a Previsão/Materiais/1_targetipynb.zip 2.9 kB
4. Ensembles (Stacking) para Time Series/7. 7 Diversidade de Hiperparâmetros e Ideias Criativas com XGBoost/Materiais/13_xgb_otheripynb.zip 2.9 kB
4. Ensembles (Stacking) para Time Series/8. 8 (Boosted) Random Forest/Materiais/13_xgb_otheripynb.zip 2.9 kB
et/7Z7ECQTY.zip 2.8 kB
et/9FWCS0IY.zip 2.8 kB
et/GD56A36D.zip 2.8 kB
et/KPCNX3I7.zip 2.8 kB
et/W0Z18L7Y.zip 2.8 kB
4. Ensembles (Stacking) para Time Series/3. 3 Redes Neurais e Primeira Stack/Materiais/2_nnipynb.zip 2.7 kB
et/9BS66F53.zip 2.7 kB
et/EKAQ7175.zip 2.7 kB
et/NGU5DN55.zip 2.7 kB
et/NSY2UEP1.zip 2.7 kB
et/YNVCR2DF.zip 2.7 kB
3. Feature Engineering/15. 211 Denoising Autoencoder/Materiais/9_denoising_autoencoderipynb.zip 2.7 kB
3. Feature Engineering/9. 25 Encoding de Categóricas - CountFrequency e Target Encoding Simples/Materiais/3_categorical_rapidsipynb.zip 2.6 kB
3. Feature Engineering/10. 26 Encoding de Categóricas - Cuidados com Vazamento de Dados no Target Encoder e KNN/Materiais/3_categorical_rapidsipynb.zip 2.6 kB
4. Ensembles (Stacking) para Time Series/10. 10 Stack Final com Média Ponderada de 2 Modelos/Materiais/16_stack7ipynb.zip 2.6 kB
3. Feature Engineering/9. 25 Encoding de Categóricas - CountFrequency e Target Encoding Simples/Materiais/2b_baseline_winsoripynb.zip 2.5 kB
4. Ensembles (Stacking) para Time Series/10. 10 Stack Final com Média Ponderada de 2 Modelos/Materiais/15_stack6ipynb.zip 2.4 kB
3. Feature Engineering/16. 212 Transformação de Numéricas para Categóricas com Decision Trees/Materiais/10_num_to_leavesipynb.zip 2.4 kB
2. Validação Avançada para Time Series/4. 4 Prequential Sliding/Materiais/4_prequential_slidingipynb.zip 2.4 kB
4. Ensembles (Stacking) para Time Series/6. 6 XGBoost na GPU e Diversidade em Grupos de Linhas/Materiais/10_xgb_feature_groupsipynb.zip 2.3 kB
2. Validação Avançada para Time Series/3. 3 Prequential Expanding/Materiais/3_prequential_expandingipynb.zip 2.3 kB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/Materiais/1_lgbmipynb.zip 2.3 kB
4. Ensembles (Stacking) para Time Series/5. 5 Diversidade com Grupos de Features e Mais uma Rede Neural/Materiais/9_nn2ipynb.zip 2.2 kB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/Materiais/0_splitipynb.zip 2.2 kB
4. Ensembles (Stacking) para Time Series/3. 3 Redes Neurais e Primeira Stack/Materiais/3_stack1ipynb.zip 2.1 kB
5. Redes Neurais para Time Series/1. 1 Redes Neurais Convolucionais para Time Series - Primeiros Passos/desc.html 2.0 kB
4. Ensembles (Stacking) para Time Series/9. 9 Stacking (com Model Selection) Usando Ridge/Materiais/14_stack5ipynb.zip 1.8 kB
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/Materiais/0_data_prepipynb.zip 1.8 kB
5. Redes Neurais para Time Series/6. 24 Redes Neurais Recorrentes para Time Series - LSTM com previsão a cada passo/Materiais/rnn_lstm2_emb1ipynb.zip 1.8 kB
4. Ensembles (Stacking) para Time Series/7. 7 Diversidade de Hiperparâmetros e Ideias Criativas com XGBoost/Materiais/12_xgb_hyperipynb.zip 1.8 kB
2. Validação Avançada para Time Series/2. 2 Repeated Holdout/Materiais/2_rep_holdoutipynb.zip 1.6 kB
2. 2 Prepare os Dados/8. 27 Criando as Primeiras Features/desc.html 1.4 kB
4. Ensembles (Stacking) para Time Series/4. 4 EXTRA Análise de Overfitting entre Validação e Teste (Robustez)/Materiais/4_linearipynb.zip 1.1 kB
5. Redes Neurais para Time Series/9. 27 Comparando a CNN e a RNN/desc.html 1.0 kB
6. Lives do Canal Editadas/3. Live 24 - Tutorial Básico de Pytorch/desc.html 906 Bytes
1. Atualização O Scraper Quebrou E Agora/1. 1 Consertando o Extrator de Dados (Módulo 2)/desc.html 871 Bytes
5. Redes Neurais para Time Series/10. 28 Encoder-Decoder (Seq2Seq) para Time Series/desc.html 852 Bytes
3. Feature Engineering/14. 210 Autoencoder Clássico (Self-supervised Learning)/desc.html 833 Bytes
2. 2 Prepare os Dados/3. 22 Criando o Extrator de Dados da Página de Busca do Youtube/desc.html 831 Bytes
4. 4 Coloque em Produção/4. 44 Criando o Contêiner com Docker/desc.html 806 Bytes
2. Validação Avançada para Time Series/1. 1 Holdout Simples/desc.html 783 Bytes
4. 4 Coloque em Produção/6. 46 Enviando para o Heroku/desc.html 754 Bytes
5. Redes Neurais para Time Series/4. 22 Redes Neurais Recorrentes para Time Series - LSTM parte 2/desc.html 744 Bytes
4. Ensembles (Stacking) para Time Series/8. 8 (Boosted) Random Forest/desc.html 736 Bytes
4. Ensembles (Stacking) para Time Series/6. 6 XGBoost na GPU e Diversidade em Grupos de Linhas/desc.html 720 Bytes
4. Ensembles (Stacking) para Time Series/2. 2 Split de dados e LightGBM/desc.html 707 Bytes
2. Validação Avançada para Time Series/2. 2 Repeated Holdout/desc.html 699 Bytes
2. Validação Avançada para Time Series/3. 3 Prequential Expanding/desc.html 694 Bytes
1. 1 Defina o Problema/3. 12 Como Escolher um Problema para Resolver/desc.html 643 Bytes
3. Feature Engineering/16. 212 Transformação de Numéricas para Categóricas com Decision Trees/desc.html 604 Bytes
2. 2 Prepare os Dados/7. 26 Limpando e Transformando os Dados/desc.html 590 Bytes
3. 3 Crie o Modelo/2. 32 LightGBM e Bayesian Optimization/desc.html 588 Bytes
3. Feature Engineering/5. 21 Juntando informações de time series diferentes/desc.html 572 Bytes
2. 2 Prepare os Dados/6. 25 Inspecionando os Dados Extraídos da Página de Vídeo/desc.html 570 Bytes
2. Validação Avançada para Time Series/7. 7 Comentários sobre o Paper que Usei como Referência/desc.html 511 Bytes
2. 2 Prepare os Dados/4. 23 Criando o Coletor de Dados da Página de Vídeo/desc.html 490 Bytes
2. 2 Prepare os Dados/10. 29 Active Learning e Adicionando Features de Texto do Título/desc.html 490 Bytes
3. Feature Engineering/2. 12 Transformação Avançada de Categóricas com Likelihood e P-value - Likelihood/desc.html 441 Bytes
3. Feature Engineering/15. 211 Denoising Autoencoder/desc.html 425 Bytes
2. 2 Prepare os Dados/2. 21 Criando o Coletor da Página de Busca do Youtube/desc.html 424 Bytes
5. X Melhorando o App/1. X1 Armazenando dados numa DB SQL com SQLite3/desc.html 395 Bytes
info.txt 385 Bytes
4. 4 Coloque em Produção/5. 45 Construindo e Rodando o Docker/desc.html 359 Bytes
4. 4 Coloque em Produção/1. 41 Criando o Web App com o Flask - apppy/desc.html 350 Bytes
2. 2 Prepare os Dados/5. 24 Criando o Extrator de Dados da Página de Vídeo/desc.html 333 Bytes
4. Ensembles (Stacking) para Time Series/3. 3 Redes Neurais e Primeira Stack/desc.html 305 Bytes
2. Validação Avançada para Time Series/4. 4 Prequential Sliding/desc.html 297 Bytes
2. Validação Avançada para Time Series/5. 5 Block e Combinatorial Cross-Validation/desc.html 297 Bytes
2. Validação Avançada para Time Series/6. 6 Comparação dos Métodos com a Distribuição de Avaliações do Teste/desc.html 297 Bytes
3. Feature Engineering/10. 26 Encoding de Categóricas - Cuidados com Vazamento de Dados no Target Encoder e KNN/desc.html 290 Bytes
3. 3 Crie o Modelo/3. 33 Regressão Logística/desc.html 284 Bytes
5. Redes Neurais para Time Series/6. 24 Redes Neurais Recorrentes para Time Series - LSTM com previsão a cada passo/desc.html 261 Bytes
5. X Melhorando o App/2. X2 Criando a API predict para retornar previsões em vídeos fora da DB/desc.html 258 Bytes
3. Feature Engineering/3. 13 Transformação Avançada de Categóricas com Likelihood e P-value - Weighted Likelihood/desc.html 253 Bytes
8. Material de Suporte/2. Expanda seu conhecimento sobre validação de modelos para criar soluções mais robustas/desc.html 250 Bytes
3. Feature Engineering/1. 11 Transformação Avançada de Categóricas com Likelihood e P-value - Pré-processamento dos dados/desc.html 249 Bytes
2. 2 Prepare os Dados/9. 28 Visualizando e Interpretando uma Árvore de Decisão/desc.html 248 Bytes
1. 1 Defina o Problema/2. 11 Traduzindo a Ideia para a Linguagem da Data Science/desc.html 232 Bytes
3. Feature Engineering/12. 28 Encoding de Categóricas - Embeddings Supervisionados/desc.html 222 Bytes
6. Lives do Canal Editadas/2. Live 18 - Introdução Básica a Redes Neurais com Tensorflow/desc.html 221 Bytes
3. Feature Engineering/4. 14 Transformação Avançada de Categóricas com Likelihood e P-value - Featurização e Modelagem/desc.html 201 Bytes
2. 2 Prepare os Dados/11. 210 Selecionando Exemplos para o Active Learning/desc.html 196 Bytes
4. 4 Coloque em Produção/7. 47 Analisando a Solução Final/desc.html 175 Bytes
3. 3 Crie o Modelo/4. 34 Ensemble Final/desc.html 167 Bytes
5. Redes Neurais para Time Series/3. 21 Redes Neurais Recorrentes para Time Series - LSTM parte 1/desc.html 141 Bytes
8. Material de Suporte/1. Tutorial rápido de Scrapy/desc.html 125 Bytes
3. Feature Engineering/7. 23 As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 1/desc.html 121 Bytes
3. Feature Engineering/11. 27 Encoding de Categóricas - Model Likelihood, Reduzir Cardinalidade e PCA/desc.html 94 Bytes
6. Lives do Canal Editadas/1. Live 1 - Perguntas Gerais Sobre Data Science/desc.html 92 Bytes

==查看完整文档列表==

下一个：Полярный .s02.2021.WEB-DLRip 709.2 MB