ИМХО. Вот именно подобного формата роликов не хватает. Чтобы лучше понять, в чем заключается работа того или иного специалиста в той или иной области, необходимо посмотреть на процесс изнутри с множества сторон. Это чрезвычайно помогает примерить профессию на себя и понять: а чтоит ли пробовать в неё войти или нет. п.с.: спасибо
всё верно, но я так понял задачи могут немного отличаться, смотрю для чего то и банкам нужны специалисты подобного рода, а может "зеленый" просто учит в своей школе и не более...
абсолютно согласен. я наконец понял, что мне это не интересно, но именно изза технической части - гораздо интересней как модель работает? как её создать?
На самом деле очень круто! Нечасто можно найти видео, в котором последовательно и понятно показан алгоритм действий. Мне кажется, это поможет тем, кто только начинает свой путь в DS. Например, делая свой пет проект, можно отталкиваться от роликов такого типа. Спасибо и продолжай!)
Я могу сказать тебе что ты большой молодец! Я очень поражен на сколько информативный ролик. Желаю тебе побольше подписчиков и просмотров, а людям которые тебя смотрят больше подобных видосов на ютубе в целом, ибо в реальности не хватает такого рода видео. Так держать! Респект!
Если я правильно понял toxic поле было float не просто так. И привод поля к целочисленному сделал например из значения 0.99 -> 0. А потом тебя не устроила корректность датасета)
Не часто вообще пишу комментарии, но ваше видео стало для меня новым толчком в изучении Data Science. Спасибо вам за контент! Буду ждать больше подобных роликов.
Очень не хватает в сети подобных туториалов! Спасибо Вам огромное за Ваш труд! Понимаю, как сложно такое записывать. Обязательно, по возможности, записывайте ещё
Отличное видео, отличное пояснение. Начинаю потихоньку вкатываться в тему ML/DS. Сложно все дается. Хватаюсь за все, многое упускаю и не понимаю. Прошел 1 курс на Coursera от Яндекс/МФТИ сложно сказать, что я особо начал разбираться. Такие видео, кстати, особенно когда все поясняют вообще супер. Добра и удачи вам! Спасибо!
привет, как успехи? в других видео один наоборот расхвалил яндекс в плане обучения - мол хорошо что на две недели дают задание и будто бы как домашнюю работу делаешь и опыт получаешь, а другие некотрые видел записи в ютубе известных фирм обучающих - так там реально показывают на примере каком и без всяких объяснений и многие так и жалуются что кто не в теме , мол вообще не поймет там ничего.
Круто! Наконец-то нашёл то что нужно, прям по шагам, понятно. Заполнил для себя проблемные места в знаниях, отсутствие которых не позволяло в достаточной мере сдвинуться в изучении ML. Конечно же хочется больше похожего контента, желательно на разных задачках, примерах. Спасибо! PS: очень интересно было бы посмотреть видео про предсказание показателя по нескольким входным параметрам например дата, товар, количество продаж, цена; и предсказание не булиан значения, а какого-то плавающего значения, например цена или количество продаж...
Неплохо. Вы также можете попробовать криптовалютную биржу BIB и получить низкие торговые комиссии. Платформа с самым высоким рейтингом и низкими торговыми комиссиями! Выполняйте задания и получайте токены BIB на сумму 20 000 долларов!yougotthis
Простое, наглядное и доходчивое объяснение, смотрится на одном дыхании! Большое спасибо за интересный и качественно проработанный видеоурок! Очень не хватает видео именно такого формата!
Комментарий в поддержку канала и подобных видео)) я только в начале пути и очень полезно смотреть и формировать более чёткое представление о том, чем занимаются специалисты DS))
Большое спасибо за видео. Я как раз искала разбор реальной задачи, чтобы понять, в чем, собственно, заключается работа специалиста в datascience. Отличная подача материала. Спасибо
Спасибо за видео, оч долго искала что же такое анализ данных, как это выглядит, что вообще делает аналитик и как, вручную ли анализирует, какие программы использует, какова задача и цель анализа и тд... как вообще выглядит сама работа. чаще всего рассказывают о плюсах и минусах профессии, так и не объяснив что именно и как надо делать)) спасибо!
Очень круто! Хотелось бы увидеть более сложные примеры именно с нейронными сетями и не только самодельными, а предтренированными, как выбирать ну и прочее)
Искал видео именно такого формата, подписался, очень жду таких видео от тебя. Ведь действительно, что бы понять понравится ли тебе такая работа, надо увидеть её на практике. Большое Спасибо)
Туториал отличный! Но есть пару сложностей: 1) Сложно на слух воспринимать что такое Recall и Precision, было бы удобнее если бы на экране появлялась формула по типу recall="кол-во правильно найденных негативных комментариев"/"кол-во правильно найденных негативных комментариев"-"кол-во пропущенных негативных комментариев" 2) Не очень понятно, что делать с ошибками вида ITERATIONS REACHED LIMIT - это значит, что модель недообучилась и ее нельзя использовать или тут по-другому? 3) Не сразу было понятно как метод predict превратился predict_proba и то, что predict_proba возвращает именно вероятность отнесения к негативным комментариям (27:05)
Согласен, видео такого формата очень трудоемки (трудно сделать). Зато это может выгодно выделить твой канал на фоне остальных датасаентистов и пушануть канал. Удачи. Подписался. Колокольчик сделал.
Спасибо огромное за столь интересный контент, было бы интересно посмотреть как можно вы улучшите модель и больше теории )) Один из лучших каналов по тематике Только не могу получить доступ к ноутбуку ((
@@AlexanderErshov Да я видел, но уже пару дней "Sorry, something went wrong. Reload?" возможно какие-то проблемы с гитом. Но так даже лучше когда смотришь и сам пишешь код а не копируешь лучше усваиваешь. Спасибо еще раз за контент!!
Вообще думаю для новичков, смотрящих разборы задач такого уровня неплохо бы познакомить с базой, какие метрики вообще существуют и где какие стоит применять, да и в целом обзор мест где можно мо учить самому, хотя бы основную теор.часть. Так же был затронут каггл, можно рассказать про этот сайт в целом, тк это весьма мощный ресурс. Еще было бы интересно услышать разбор различных state of the art модели и их применение. В общем видос прикольный, удачи в развитии канала)
Что ты хоть хотел сказать? Что тебе не понравилось во вступлении? Причём здесь hugging face если это был простой пример без transformers ? Что за сайт, ты вообще про что? Насчёт того, где черпать основу я снимал видео
Отличное видео, автору большое спасибо. Теперь хоть стало понятно как работать с гиперпараметрами и улучшать модель. Не хватило этапа EDA, если правильно понимаю, это самый важный этап по работе с данными.
Только что подписался, благодаря этому видео. Хотелось бы увидеть больше подобных видео. Лично бы мне зашла тема по prediction. Ещё раз спасибо за полезное видео.
Отличное видео, но есть "совет" - попробуйте разбить подобный туториал допустим на 5-10 небольших видео, из которых сформировать плейлист. Подобным образом, по каждому видео должно быть больше "досмотров", а в итоге, и больше комментариев. За всех сказать не могу, но мне очень нравится подобный формат. Если каждое относительно небольшое видео будет иметь некоторое начало с описанием "что мы в нем будем делать и какой результат получим", при этом в конце будут подведены промежуточные итоги (можно сделать в конце заставку с тезисами или т. п.), то я считаю, что это наиболее подходящий вариант для подачи. В любом случае, подписался и буду ждать новых материалов. Спасибо!
В первый раз тебя смотрю (и не последний) ты очень милый парень. Тебя приятно слушать, хотя я не всё поняла из-за того, что слишком мало знаю ещё о программирование, современных профессиях и техниках (только учусь во всём разбираться) было полезно посмотреть на такую практику, благодарю.
Чем хороши такие видео так это тем что на минуте 10 уже понимаешь что не сильно хочется таким заниматься. Большое спасибо автору за сэкономленное время
Огромное спасибо за видео! Очень полезно. Объяснение супер! - по полочкам разложено. Как раз-таки, для меня, для человека, который в процессе обучения в данной области. (бесконечные лайки).
Лайф-кодинг с пояснениями это отличная идея. Более подготовленному разработчику явно это будет интересно, но без знания основ разобраться будет тяжело.
Да это как раз чего мы очень ждём, задачи! Можете с Кагла взять серьёзный кейс, сами выбрать интересную тему, но сток маркет очень сейчас хайпует, акции, прогнозирование цен доллара, и это лёгкий вариант табличных данных, простые датасеты csv там пару мегабайт, мы всей семьёй ждём ещё реального кода. Даже купили ноутбук брату)))
Спасибо за контент! Раз уж в конце было сказано об использовании Transformers и SpaCy - почему бы не показать их применение на этой же модели, чтобы наглядно был виден рост recall?
Определенно лайк. Я бы хотел ещё посмотреть туториалы. Интересна тема computer vision, например как строить нейронку для популярных задач детекции объектов, сегментации
ИМХО. Вот именно подобного формата роликов не хватает. Чтобы лучше понять, в чем заключается работа того или иного специалиста в той или иной области, необходимо посмотреть на процесс изнутри с множества сторон. Это чрезвычайно помогает примерить профессию на себя и понять: а чтоит ли пробовать в неё войти или нет.
п.с.: спасибо
истина
всё верно, но я так понял задачи могут немного отличаться, смотрю для чего то и банкам нужны специалисты подобного рода, а может "зеленый" просто учит в своей школе и не более...
абсолютно согласен. я наконец понял, что мне это не интересно, но именно изза технической части - гораздо интересней как модель работает? как её создать?
еще не хватает видеороликов, в которых обьяснят по модулям, как и куда применять и т.д... даже в вузе нгихера не обьясняют
Вы больше не нашли подобных роликов?
Сделай из этого рубрику "разбор реальных задач"
++++
+++
Да
А лучше "разбор нереальных задач"!
разбор реальных задач это супер, а не эти ваши бла-бла-бла, программирование, дата сайнс, бла-бла.
+1 чтобы выходило видео подобного формата
Нужная вещь, намного лучше чем просто разговорные ролики, в которых говорят не о чем. По больше бы таких роликов как этот!)
Вы больше не нашли подобных роликов?
На самом деле очень круто! Нечасто можно найти видео, в котором последовательно и понятно показан алгоритм действий. Мне кажется, это поможет тем, кто только начинает свой путь в DS. Например, делая свой пет проект, можно отталкиваться от роликов такого типа. Спасибо и продолжай!)
Вы больше не нашли подобных роликов?
Вот это контент! Шикарный видос, побольше бы таких
Автору респект! Спасибо тебе мужик. Столько годноты и вообще без понтов и пафоса - чётко, с доступными объяснениями. То что надо👍
Видео до сих пор актуально и подходит для обучения! Спасибо за ваш труд
Давайте теперь эту же задачу на более продвинутых моделях и сравним результаты
Я могу сказать тебе что ты большой молодец! Я очень поражен на сколько информативный ролик. Желаю тебе побольше подписчиков и просмотров, а людям которые тебя смотрят больше подобных видосов на ютубе в целом, ибо в реальности не хватает такого рода видео.
Так держать! Респект!
+1 чтобы выходили еще видео с таким разбором реальных задач. Например, по распознаванию изображений ))
Если я правильно понял toxic поле было float не просто так. И привод поля к целочисленному сделал например из значения 0.99 -> 0. А потом тебя не устроила корректность датасета)
Такие видео отлично дополняют теорию и показывают, что конкретно надо использовать для решения реальных задач
Не часто вообще пишу комментарии, но ваше видео стало для меня новым толчком в изучении Data Science. Спасибо вам за контент! Буду ждать больше подобных роликов.
Очень не хватает в сети подобных туториалов! Спасибо Вам огромное за Ваш труд! Понимаю, как сложно такое записывать. Обязательно, по возможности, записывайте ещё
Вы больше не нашли подобных роликов?
Спасибо огромное, больше бы таких видео! Жаль что такие сложные видео набирают мало лайков в отличие от всякого мусора...
наконецто шоукейс который может показать новичкам что есть датасаенс, спасибо!
Отличное видео, отличное пояснение.
Начинаю потихоньку вкатываться в тему ML/DS. Сложно все дается. Хватаюсь за все, многое упускаю и не понимаю.
Прошел 1 курс на Coursera от Яндекс/МФТИ сложно сказать, что я особо начал разбираться.
Такие видео, кстати, особенно когда все поясняют вообще супер. Добра и удачи вам! Спасибо!
привет, как успехи? в других видео один наоборот расхвалил яндекс в плане обучения - мол хорошо что на две недели дают задание и будто бы как домашнюю работу делаешь и опыт получаешь, а другие некотрые видел записи в ютубе известных фирм обучающих - так там реально показывают на примере каком и без всяких объяснений и многие так и жалуются что кто не в теме , мол вообще не поймет там ничего.
Александр, спасибо огромное за такие видео ! Бомба!
Круто! Наконец-то нашёл то что нужно, прям по шагам, понятно. Заполнил для себя проблемные места в знаниях, отсутствие которых не позволяло в достаточной мере сдвинуться в изучении ML. Конечно же хочется больше похожего контента, желательно на разных задачках, примерах.
Спасибо!
PS: очень интересно было бы посмотреть видео про предсказание показателя по нескольким входным параметрам например дата, товар, количество продаж, цена; и предсказание не булиан значения, а какого-то плавающего значения, например цена или количество продаж...
Спасибо, я как раз записал видео про предсказание цены:
th-cam.com/video/LI94ZkjE_w4/w-d-xo.html
Неплохо. Вы также можете попробовать криптовалютную биржу BIB и получить низкие торговые комиссии. Платформа с самым высоким рейтингом и низкими торговыми комиссиями! Выполняйте задания и получайте токены BIB на сумму 20 000 долларов!yougotthis
Простое, наглядное и доходчивое объяснение, смотрится на одном дыхании! Большое спасибо за интересный и качественно проработанный видеоурок! Очень не хватает видео именно такого формата!
Лучшее видео про реальный проект по дата саенс. Александр, спасибо!
Комментарий в поддержку канала и подобных видео)) я только в начале пути и очень полезно смотреть и формировать более чёткое представление о том, чем занимаются специалисты DS))
Туториалы нужны, сейчас прохожу обучение на аналитика данных, твои уроки очень полезны студентам!
Отличный ролик. Прям искал что-то такое. Особенно классно, что ошибаешься и не режешь ошибки на видео. Сразу узнаю свой код)
реальные разборы редкость в инете, все воду льют. Молодец!
Большое спасибо за видео. Я как раз искала разбор реальной задачи, чтобы понять, в чем, собственно, заключается работа специалиста в datascience. Отличная подача материала. Спасибо
Спасибо за видео, оч долго искала что же такое анализ данных, как это выглядит, что вообще делает аналитик и как, вручную ли анализирует, какие программы использует, какова задача и цель анализа и тд... как вообще выглядит сама работа. чаще всего рассказывают о плюсах и минусах профессии, так и не объяснив что именно и как надо делать)) спасибо!
Очень круто! Хотелось бы увидеть более сложные примеры именно с нейронными сетями и не только самодельными, а предтренированными, как выбирать ну и прочее)
хорошо, постараюсь сделать)
Такие разборы очень полезны! Определенно нужно больше таких видео
Спасибо. Очень круто, что можно увидеть пошаговый гайд на примере реальной задачи.
Искал видео именно такого формата, подписался, очень жду таких видео от тебя. Ведь действительно, что бы понять понравится ли тебе такая работа, надо увидеть её на практике. Большое Спасибо)
Нужная тема. Так гораздо проще понять с каким задачами и подходами надо будет работать. Спасибо за видео.
Не хватало такого видео, где от и до, спасибо, Александр!!!
Смотрим
Туториал отличный! Но есть пару сложностей:
1) Сложно на слух воспринимать что такое Recall и Precision, было бы удобнее если бы на экране появлялась формула по типу recall="кол-во правильно найденных негативных комментариев"/"кол-во правильно найденных негативных комментариев"-"кол-во пропущенных негативных комментариев"
2) Не очень понятно, что делать с ошибками вида ITERATIONS REACHED LIMIT - это значит, что модель недообучилась и ее нельзя использовать или тут по-другому?
3) Не сразу было понятно как метод predict превратился predict_proba и то, что predict_proba возвращает именно вероятность отнесения к негативным комментариям (27:05)
Спасибо, это очень круто! с радостью посмотрю еще подобные видео с реальными задачами )
Спасибо автор! Возможно ты уже ушел отсюда, но поверь, твоя работа до сих пор приносит пользу зрителю ❤️
Спасибо за полезное видео. Хотелось бы больше туториалов по использованию технологий, которые сейчас чаще всего используются в продакшене;)
Спасибо! Очень полезная тема! Рубрика с практическими кейсами такого рода была бы очень ценна!
Только вперед и не останавливаться. Спасибо очень интересно
Круто, наконец-то. Сколько бесполезных видео. А тут наглядно, сразу понимаешь, что не хрен туда лезть. Спасибо.
Почему же не лезть? У меня вот сложилось впечатление, что это одна из самых простых для освоения сфер, связанных с программированием.
Надо было дисклеймер: ни один человек при съемки этого видео не был оскорблен!
Согласен, видео такого формата очень трудоемки (трудно сделать). Зато это может выгодно выделить твой канал на фоне остальных датасаентистов и пушануть канал. Удачи. Подписался. Колокольчик сделал.
Спасибо огромное за столь интересный контент, было бы интересно посмотреть как можно вы улучшите модель и больше теории ))
Один из лучших каналов по тематике
Только не могу получить доступ к ноутбуку ((
Там есть ссылка на GitHub в описании
@@AlexanderErshov Да я видел, но уже пару дней "Sorry, something went wrong. Reload?" возможно какие-то проблемы с гитом. Но так даже лучше когда смотришь и сам пишешь код а не копируешь лучше усваиваешь. Спасибо еще раз за контент!!
Потрясное видео, на постоянку такие были бы очень полезны!
Спасибо за ролик. Я активно ищу реальные задачи с решением и разбором. И вот оно!)
Отличная идея с разбором задачи и обьяснением решения. Спасибо!
Вообще думаю для новичков, смотрящих разборы задач такого уровня неплохо бы познакомить с базой, какие метрики вообще существуют и где какие стоит применять, да и в целом обзор мест где можно мо учить самому, хотя бы основную теор.часть. Так же был затронут каггл, можно рассказать про этот сайт в целом, тк это весьма мощный ресурс. Еще было бы интересно услышать разбор различных state of the art модели и их применение.
В общем видос прикольный, удачи в развитии канала)
Что ты хоть хотел сказать? Что тебе не понравилось во вступлении? Причём здесь hugging face если это был простой пример без transformers ?
Что за сайт, ты вообще про что?
Насчёт того, где черпать основу я снимал видео
@@AlexanderErshov Да,, прошу прощения, вчера отвратительно сформулировал мысль, все исправил и отцензурил.
@@kanareikaTv да, понял 👍
про ресурсы я рассказывал в видео как стать junior data scientist, про kaggle по-моему говорил в первом своем видео
@@AlexanderErshov понял, спасибо, обязательно гляну)
Спасибо за Ваш труд! Первый раз смотрел решение задачи Data Science - очень понравилось.
Наконец-то хоть немного понятно, что это за профессия. Спасибо Вам!
Супер. Спасибо большое. Для меня как новичка, все понятно, отличное видео.
спасибо! то чего не хватает на лекциях и курсах
Отличный ролик. Материал хорошо впитывается, спикер не усыпляет.
очень круто! Спасибо большое!
Можно ещё такой же туториал с другими базовыми моделями, типа Random Forest, XGBoost.
Модель там только поменять и все..
НАКОНЕЦ-ТО НАШЛА ТАКОЙ ВИДОС, КАК НАДО!!!
Спасибо. Приоткрыл завесу этой профессии)))
хороший пример, реальная задача. буду рад еще таким видео!
спасибо!
Александр, спасибо! Очень полезно для понимания. Задача очень похожа на то, что мы с командой решаем в работе.
Спасибо! Очень полезно, надеюсь будет продолжение)
Доступно и внятно! Так держать! Очень понравились стиль и объяснения!
А кто-то снимает подобного формата ролики на ютубе, очень хотелось бы посмотреть. Спасибо)
Классное видео больше бы таких в ютуба... все доходчиво простым языком
Отличное видео, автору большое спасибо.
Теперь хоть стало понятно как работать с гиперпараметрами и улучшать модель.
Не хватило этапа EDA, если правильно понимаю, это самый важный этап по работе с данными.
Александр, спасибо за вашу работу! Крайне интересный тип видео!
Очень полезный туториал, спасибо большое, побольше бы таких видео👍🏼
Дружище, продолжай! Давно искал подобное видео.
Только что подписался, благодаря этому видео. Хотелось бы увидеть больше подобных видео.
Лично бы мне зашла тема по prediction.
Ещё раз спасибо за полезное видео.
Познавательно, надеюсь видео с разборами будут выходить чаще)
Отличное видео, но есть "совет" - попробуйте разбить подобный туториал допустим на 5-10 небольших видео, из которых сформировать плейлист. Подобным образом, по каждому видео должно быть больше "досмотров", а в итоге, и больше комментариев. За всех сказать не могу, но мне очень нравится подобный формат. Если каждое относительно небольшое видео будет иметь некоторое начало с описанием "что мы в нем будем делать и какой результат получим", при этом в конце будут подведены промежуточные итоги (можно сделать в конце заставку с тезисами или т. п.), то я считаю, что это наиболее подходящий вариант для подачи. В любом случае, подписался и буду ждать новых материалов. Спасибо!
Спасибо за большой труд , жаждут узнать больше
В первый раз тебя смотрю (и не последний) ты очень милый парень. Тебя приятно слушать, хотя я не всё поняла из-за того, что слишком мало знаю ещё о программирование, современных профессиях и техниках (только учусь во всём разбираться) было полезно посмотреть на такую практику, благодарю.
Спасибо! Только начинаю обучение, в этом видео все последовательно объяснено. Многое стало понятнее!
Чем хороши такие видео так это тем что на минуте 10 уже понимаешь что не сильно хочется таким заниматься. Большое спасибо автору за сэкономленное время
Очень полезное видео, хорошо разбавляет сухую теорию. Реанимировал свой интерес к DS
Спасибо огромное, супер-формат!!!
Вышло очень круто! Спасибо
Очень классное видео. Побольше бы подобного типа задач и интересно, и реально, и полезно. СПС
Рубрика отличная. Возможно стоит добавить комментарии к строкам кода, что бы информация лучше усваивалась.
Огромное спасибо за видео! Очень полезно. Объяснение супер! - по полочкам разложено. Как раз-таки, для меня, для человека, который в процессе обучения в данной области. (бесконечные лайки).
Лайф-кодинг с пояснениями это отличная идея. Более подготовленному разработчику явно это будет интересно, но без знания основ разобраться будет тяжело.
Какие основы должны быть для понимания хотябы 20-30 %
Делай дальше, топчик смотреть такое только удовольствие!!
Было очень полезно посмотреть, спасибо за твои старания
Спасибо за отличный туториал ,побольше бы таких и в описании если можно ресурсы почитать про современные алгоритмы мл и все для новичков
Очень интересно! Успехов!
Очень классный туториал! Подскажите плиз еще раз, для чего мы считаем recall?
Да это как раз чего мы очень ждём, задачи! Можете с Кагла взять серьёзный кейс, сами выбрать интересную тему, но сток маркет очень сейчас хайпует, акции, прогнозирование цен доллара, и это лёгкий вариант табличных данных, простые датасеты csv там пару мегабайт, мы всей семьёй ждём ещё реального кода. Даже купили ноутбук брату)))
ок, постараюсь сделать 👍
Пока еще далек от data science, изучаю пайтон, прошел три курса базовых на степике, ну на канал подписался, надеюсь в дальнейшем пригодится
Спасибо за проделанную работу!
спасибо! мне было полезно, логика прозрачна, осталось ознакомиться с программированием)
Отличный материал, спасибо. Можно продолжение с разборками задаст на новых либах)).
Топовое видео! Даёшь больше туторов! 👍🔥
Спасибо за ценное видео. Полезно и интересно. С удовольствием посмотрела.
Супер. Рад, что попал на ваш канал
Вот это видео прямо супер! Информативность 10/10.
Супер! Я в программировании совсем не шарю, но было очень интересно!
спасибо, надеюсь подобного формата будет больше
Спасибо за контент! Раз уж в конце было сказано об использовании Transformers и SpaCy - почему бы не показать их применение на этой же модели, чтобы наглядно был виден рост recall?
Определенно лайк. Я бы хотел ещё посмотреть туториалы. Интересна тема computer vision, например как строить нейронку для популярных задач детекции объектов, сегментации
интересно интересно, я вот вообще не знал про ваш канал, спасибо!
Нормально, всё последовательно и по полочкам