Como Criar uma Solução Completa de Data Science

磁力链接/BT种子名称

Como Criar uma Solução Completa de Data Science

磁力链接/BT种子简介

种子哈希：ea81e35d11da619e07af9e936d57dfda95eaf78b
文件大小： 8.77G
已经下载：3397次
下载速度：极快
收录时间：2022-01-12
最近下载：2025-10-08

移花宫入口

移花宫.com邀月.com怜星.com花无缺.comyhgbt.icuyhgbt.top

磁力链接下载

magnet:?xt=urn:btih:EA81E35D11DA619E07AF9E936D57DFDA95EAF78B
推荐使用PIKPAK网盘下载资源，10TB超大空间，不限制资源，无限次数离线下载，视频在线观看

下载BT种子文件

磁力链接 迅雷下载 PIKPAK在线播放 世界之窗 91视频 含羞草 欲漫涩 逼哩逼哩 成人快手 51品茶 抖阴破解版 极乐禁地 91短视频 抖音Max TikTok成人版 PornHub 听泉鉴鲍 少女日记 草榴社区 哆哔涩漫 呦乐园 萝莉岛 悠悠禁区 悠悠禁区 拔萝卜 疯马秀

最近搜索

文件列表

  • 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

随机展示

相关说明

本站不存储任何资源内容，只收集BT种子元数据(例如文件名和文件大小)和磁力链接(BT种子标识符)，并提供查询服务，是一个完全合法的搜索引擎系统。 网站不提供种子下载服务，用户可以通过第三方链接或磁力链接获取到相关的种子资源。本站也不对BT种子真实性及合法性负责，请用户注意甄别！