---

Видео на тему: Machine learning - видео

В этой части загрузим докер контейнер в Yandex Cloud и запустим контенейр с помощью Serverless и протестируем как он работает. Ссылка для получения токина и инструкция авторизации на Yandex Cloud: https://yandex.cloud/ru/docs/container-registry/operations/authentication#user Команды использованные в уроке: docker tag predserver cr.yandex/ТутВашИДКонтейнерРеджестри/predserver:latest docker push cr.yandex/ТутВашИДКонтейнерРеджестри/predserver:latestВ этой части мы создадим докер образ запустим его локально и протестируем. Команды использованные в видео: pip install pipenv pipenv install numpy scikit-learn flask pipenv install gunicorn docker build -t predserver . docker run -it -p 8080:8080 predserver:latestВ этой части мы соберем весь код, что писали ранее в проекте в PyCharm. Этот этап необходим перед упаковкой нашего кода в докер. Ссылка на проект PyCharm: https://github.com/CherniySN/FlaskServerML НЕЗАБУДЬТЕ СМЕНИТЬ ПОРТЫ В КОДЕ НА 8080 КАК БУДЕТ ПОКАЗАННО В ЧАСТИ 6.В этой части мы рассмотрим код с помощью которого мы будем обращаться к нашему локальному серверу.В этом видео создадим пока только локальный сервер для нашей моедли. Ссылка на код: https://github.com/CherniySN/Machine-Learning/blob/main/LogRes/LogRes_LOCAL_SERVER.ipynb В файле ищи вконце "Доступ к модели с помощью Flask"В этом уроке мы сохраним подготовленную модель в файл на компьютер.В этом видео мы вспоминаем как работает наша логистическая регрессия, взятая из уроков по ML (смотри плейлист про ML) Ссылка на код из видео: https://github.com/CherniySN/Machine-Learning/blob/main/LogRes/LogRes.ipynbВступительная чать, тут рассказывается про технологии которые будут использованны в дальнейших видео.На этом уроке мы сделаем с нуля своего чат-бота для Telegram c chat-gpt. Ссылка на Колаб: https://colab.research.google.com/drive/1vgTMFTohPt7ZBPIzG-YGvznyV_vW7moH?usp=sharing Ссылка на Git: https://github.com/CherniySN/Telegram-bot-with-ChatGPT/blob/main/TG_BOT_FOR_Lesson.ipynb Ссылка на видео на YouTube. По какой-то причине видео на RuTube загружается с очень плохим качеством, думаю это связанно с их алгоритмами сжатия, если Вам необходимо посмотреть виедо в хорошем качестве вот ссылка на это же видео на YouTube: https://youtu.be/KabZGZ1DEfkРасмотрим арифмитические операции в GOНа этом уроке рассмотрим структуру программы Hello World, напишем программу в блокноте, запустим блокнот и построим .exe файл. Так же установим LiteIDE, как альтернативу VS Code.Установка и первые команды в PySpark.В видео обьясняется принцып работы логистической регрессии. И строится логистическая регрессия по задача дефолта клиента. ссылка на блокнот: https://github.com/CherniySN/Machine-Learning/blob/main/LogRes/LogRes.ipyСсылка на учебник: https://developers.google.com/machine-learning/crash-course/first-steps-with-tensorflow/toolkit?hl=ru Ссылка на Colab: https://colab.research.google.com/В видео - первое знакомство со Spark первая установка и запуск кластера на локальном компьютере. Ссылка для Java: https://www.java.com/ru/download/manual.jspВ этом уроке мы рассмотрим основы графики в билиотеке GGPlot2 на языке R. ссылка на код: https://github.com/CherniySN/-R ссылка на сайт с графикамив R: https://r-graph-gallery.com/index.htmlТут вкратце обозреваем, что будем использовать и что в итоге должно получится.Данное видео будет полезно для тех кто с нуля начинает изучать R.Рассмотрим более усложненный вариант тестирования с использованием UnitTest в Python. Видео является продолжением Урока 10.Введение в глубокое обучение. Напишем нейронную сеть для распознования рукописных цир коллекции MNIST, эдакий Hello World в мире DL.