วีดีโอ

Ааа, Ааа, аааа, ааа😂

Спасибо за выпуск! Как раз был непонятен момент с контекстом и Вы его прояснили.

Никакой конкретики слушать противно

Кратко и по делу, практически всё что нужно для написания скриптов на баше

Спасибо за видео! Единственное, что не объяснили в начале видео, почему IP адрес вашего сервера не localhost (127.0.0.1:80) а другой. Я так понимаю сервер на питоне вы подняли на машине в вашей локальной сети или на удаленном хостинге? Новичкам может быть не совсем понятно.

Михаил, посоветуйте лучшие книги по библиотеке socket на питоне?

этот код из примера в видео - notificationManager.notify(1, notification); подчеркивается красным??? ( просит проверку условия - if (ActivityCompat.checkSelfPermission(this, android.Manifest.permission.POST_NOTIFICATIONS) != PackageManager.PERMISSION_GRANTED) {...} ) - можете рассказать что изменилось со времен публикования данного видео, т.к. код из видео не работает?

Михаил, отличное объяснение материала! Спасибо!

Приветствую! у меня проблемы с Эмулятором - не хочет работать, виртуализация включена (палат Gigabyte Z370P и проц i5-8400), можете подсказать что можно еще попробовать, до переустановки Винды и соответственно Андройд Студии эмулятор работал без проблем? В чём может быть причина? Заранее спасибо!

Это просто лучший курс для новичка по Линуксу который я посмотрел (а посмотрел я уже ох как не мало)! Спокойное, размеренное и очень подробное обяснение. Очень радует что много теории. Которая конечно лучше помогает понять практику. Спасибо, Михаил!

Спасибо, все понятно и доступно. Только вопрос остался, на видео часто говорите про границы принятия решений, в частности на ( таймкод 47:12), подскажите, можно ли каким-то образом вывести какие данные из X попадают в эти границы?

Спасибо за полезные видео!

Для выбора порога по кривым на реальном датасете нужно следовать по следующим шагам: 1. Загрузить реальный датасет Предположим, у вас есть реальный датасет с признаками X и целевыми метками y. 2. Разделить данные на обучающую и тестовую выборки Используйте функцию train_test_split из sklearn.model_selection для разделения данных на обучающую и тестовую выборки. from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) 3. Обучить модель на обучающей выборке Выберите подходящую модель машинного обучения, например, логистическую регрессию или дерево решений, и обучите ее на обучающих данных. from sklearn.linear_model import LogisticRegression model = LogisticRegression() model.fit(X_train, y_train) 4. Получить вероятности предсказаний на тестовой выборке Получите вероятности принадлежности к классам для тестовой выборки. y_pred_proba = model.predict_proba(X_test)[:, 1] 5. Построить кривые ROC-AUC и Precision-Recall Используйте функции roc_curve и precision_recall_curve из sklearn.metrics для построения кривых ROC-AUC и Precision-Recall соответственно. from sklearn.metrics import roc_curve, precision_recall_curve, auc fpr, tpr, thresholds = roc_curve(y_test, y_pred_proba) roc_auc = auc(fpr, tpr) precision, recall, pr_thresholds = precision_recall_curve(y_test, y_pred_proba) pr_auc = auc(recall, precision) 6. Визуализировать кривые и выбрать порог Визуализируйте кривые ROC-AUC и Precision-Recall, чтобы проанализировать соотношение между разными метриками производительности для различных порогов. import matplotlib.pyplot as plt plt.figure(figsize=(10, 6)) plt.subplot(1, 2, 1) plt.plot(fpr, tpr, label=f'ROC-AUC = {roc_auc:.3f}') plt.plot([0, 1], [0, 1], 'k--') plt.xlabel('False Positive Rate') plt.ylabel('True Positive Rate') plt.title('ROC Curve') plt.legend() plt.subplot(1, 2, 2) plt.plot(recall, precision, label=f'Precision-Recall AUC = {pr_auc:.3f}') plt.xlabel('Recall') plt.ylabel('Precision') plt.title('Precision-Recall Curve') plt.legend() plt.show() Выберите порог, который обеспечивает наилучшее соотношение между различными метриками производительности в соответствии с вашими требованиями. Например, вы можете выбрать порог, соответствующий максимальной сумме чувствительности и специфичности на кривой ROC-AUC или максимальной F1-мере на кривой Precision-Recall. 😊

Круто! Всё просто и понятно

Метрики пиар PR 1. Охват аудитории 2. Вовлеченность 3. Узнаваемость бренда 4. Количество публикаций 5. Трафик на сайт 6. Конверсия 7. Позитивность отзывов 8. Цитирование Эти метрики могут использоваться как индивидуально так и в комбинации для комплексной оценки эффективности пиар стратегий проектов машинного обучения. Это к самому концу . Где вы сказали про пиар 😊😊

Подскажите пожалуйста, если создавать страницы при помощи relative layout, будет нормально отображаться на всех дивайсах, или прям обязательно для каждого размера экрана нужен свой макет? просто если в приложении много страниц то это для каждой нужно верстить отдельно?

Объясняет круче чем учитель в универе 😄

Автор излагает немного сбивчиво, но зато доходчиво и подробно, для самых нулячих нубасов вроде меня. Лайк.)

спасибо

Спасибо вам большое. Как получить доступ к учебнику. Очень нужно!😊

Точность (Accuracy) Матрица ошибок (Confusion Matrix) Точность (Precision) и Полнота (Recall) F1-мера (F1-Score) ROC-кривая и AUC (Area Under Curve) Логарифмическая потеря (Log Loss) Самая популярная это Точность (Accuracy) и еще есть конечно, но все зависит от конкретной задачи

Здорово 😊. Всегда интересно и побольше ждем нового 👍👍👍😊😊😊

спасибо

👍👍👍👍👍

Спасибо вам большое. Очень приятно то что рассказываете и помогаете обучаться нам студентам. Благодаря вас мы любим Машинное Обучение 😊

О здорово послушаю лишним не будет мы сегодня точно такую же тему разбирали на предмете по выбору по оптимизационная задача задачам машинного обучения 😊😊😊😊

👍👍👍👍👍

Спасибо, Вам. Отличный курс лекций. Жаль, только времени не хватает всё изучать

👍👍👍

Очень-очень интересно. Спасибо вам большое за то что вы говорите и рассказываете

1 час 10 команд) чувак ты прикалываешься)

Отличное введение, всё что нужно для подключения

Спасибо, толковый курс и объяснения понятные

Спасибо большое за ваши труды!😍

Интуитивный интерфейс это просто привычный.

Спасибо Вам! Очень живо и по-дружески.

Отличный выпуск. Хреновый звук.

Спасибо, поучительно 😊

Спасибо за урок!

Лектор, вырежь свои бесконечные ээээканья...., весли сказать нечего лучше держать паузу. Крайне сложно слушать... На половине ролика захотелось чес лово вырубить, хотя материал интересный.

Классное видео!

Полезное видео

Spasibo !

Наверное в Линуксе создаются все таки консоли. А терминал это часть консоли?

Это видео нужно было выпустить 5 лет назад! Видео хорошее. Михаил, почему так долго скрывал секреты установки Apache2?

Можете подсказать, у меня почему-то после включения firewall был доступен веб-браузер, при этом при вызове команды статус apache не отображался как allow

Крутое видео. Все четко рассказал и показал !!!)))

всё отлично