ML-MathMethods-Test

Контрольная работа по математическим методам машинного обучения. Вычисление основных статистик, диаграмм и графиков, проверка различных гипотез заданной выборки.

Как посмотреть notebook?

Лучше всего по ссылке через [nbviewer]. Можно через [github], но не работает навигация.

Можно запустить проект локально.

Как запустить проект?

На Windows достаточно запустить launch.bat, который автоматически скачает зависимости в виртуальную среду и каждый раз будет запускать Jupyter Notebook из-под неё.

На остальных ОС настраивать вручную примерно так [временно]:

В терминале в папке проекта ввести python -m venv venv
./venv/scripts/activate
pip install -r requirements.txt
python -m notebook

Что ещё?

К проекту подключен [reviewnb] для нормального просмотра изменений notebook'ов. Требует авторизации.

Контрольная работа по математическим методам машинного обучения

Related tags

Overview

ML-MathMethods-Test

Как посмотреть notebook?

Как запустить проект?

Что ещё?

Owner

Stas Ivanovskii

This repository collects 100 papers related to negative sampling methods.

Implements MLP-Mixer: An all-MLP Architecture for Vision.

Planar Prior Assisted PatchMatch Multi-View Stereo

Detail-Preserving Transformer for Light Field Image Super-Resolution

Strongly local p-norm-cut algorithms for semi-supervised learning and local graph clustering

Monocular Depth Estimation - Weighted-average prediction from multiple pre-trained depth estimation models

Official code repository for the publication "Latent Equilibrium: A unified learning theory for arbitrarily fast computation with arbitrarily slow neurons"

A platform for intelligent agent learning based on a 3D open-world FPS game developed by Inspir.AI.

ShinRL: A Library for Evaluating RL Algorithms from Theoretical and Practical Perspectives

This is the latest version of the PULP SDK

Implementation of "Scaled-YOLOv4: Scaling Cross Stage Partial Network" using PyTorch framwork.

This repository contains the implementation of the following paper: Cross-Descriptor Visual Localization and Mapping

Semantic segmentation task for ADE20k & cityscapse dataset, based on several models.

Code accompanying the NeurIPS 2021 paper "Generating High-Quality Explanations for Navigation in Partially-Revealed Environments"

Self-describing JSON-RPC services made easy

Deep Q Learning with OpenAI Gym and Pokemon Showdown

Segmentation and Identification of Vertebrae in CT Scans using CNN, k-means Clustering and k-NN

SMPLpix: Neural Avatars from 3D Human Models

Use deep learning, genetic programming and other methods to predict stock and market movements

Machine Learning From Scratch. Bare bones NumPy implementations of machine learning models and algorithms with a focus on accessibility. Aims to cover everything from linear regression to deep learning.