วีดีโอ

Канал о продуктовом подходе к ML t.me/locomotive_production_driver

Канал о продуктовом подходе к ML t.me/locomotive_production_driver

Подключаем поискового бота к OpenAI Канал о продуктовом подходе к ML t.me/locomotive_production_driver

Канал о продуктовом подходе к ML t.me/locomotive_production_driver

Канал о продуктовом подходе к ML t.me/locomotive_production_driver

Канал о продуктовом подходе к ML t.me/locomotive_production_driver ML flow для логирования экспериментов Hyperopt для подбора параметров

Создание докер-контейнера: Dockerfile, docker-entrypoint, Makefile Артефакты ML: CatBoost model, Feature importances

Канал о продуктовом подходе к ML t.me/locomotive_production_driver Создание репозитория Заполнение README.md Установка и запуск Jupyter

MLOps Zoomcamp HW

Запускаем локально MLFlow MinIO с использованием docker. Взаимодействие с MLFlow из Jupyter Notebook 00:00 Intro 00:43 MLFlow intro 05:07 MLFlow configuration 08:30 MinIO run 17:12 MLFlow run 22:20 Jupyter plus MLFlow

00:00 Intro 06:24 ML system template 13:24 System requirements 16:55 Scheduling tools 19:25 ML improvements costs 23:33 FeatureStore 28:08 ODS system design track 29:16 Telegram channel classifier; business understanding 33:04 EDA stage 38:21 Data preparation: Label studio 43:06 Train MOdel 46:14 ML model API

Timecodes 00:00 Intro 01:32 Buseness Value 07:55 Recsys raw data 17:03 Simple baseline: popularity 18:40 KNN strategy 20:35 Matrix factorisation 29:00 Metrics 32:55 Recsys problems 34:30 System design 36:00 Workshop: recommender strategies implementation

Timecodes 00:00 Intro 03:25 Clustering: k-means 10:25 Clustering: DBScan 15:33 Clustering: Agglomerative 18:36 Clustering metrics: Silhouette 19:43 Clustering metrics: AMI 21:25 Dimensionality reduction

00:00 Intro 51:51 Label Studio Канал о продуктовом подходе к ML t.me/locomotive_production_driver

Лекция 01. ML проект: основные этапы. Строим систему модерации контента

ML Part X: ML in business: recommender systems

ML Part IX: feature engineering

ML Part VIII neural networks

ML Part VII Unsupervised learning clustering, dimensional reduction

ML Part VI: ML project example

ML Part V: Trees.Ensembles. Boosting

ML Part IV Classifiers

ML Part III validation, overvifittig, regularization

2021-01-19 ML part II

2021-01-19 MLpart I

VSCode Docker: настраиваем .devcontainer.json

Docker workshop beginner - практический воркшоп по работе с докером на практических примерах

Математическая статистика на python

15 task red blue white balls