подготовиться к дз Помощь в выполнении дз по предмету "введение в машинное обучение" темы: логистическая регрессия, Support Vector Machines, Natural Language Processing, бинарная и многоклассовая классификация
подготовка к обучению в магистратуре Заранее (перед магистратурой) пройтись по курсу Data Mining in Computer and Systems Sciences (включает разбор алгоритмов машинного обучения + python), чтобы не возникло проблем во время обучения. Расписание будущих лекций и тем имеются.
Для себя Нужно для ВКР написать в теоретической части что такое YOLO и как он работает. В моем случае для дипломной использую YOLOv5. Описать в пределах 3-х страниц. Оригинальность в вузе требуется не менее 85%. До этого уже даны определения сверточным нейросетям и глубокому обучению. Эту структуру я в дальнейшем использую для детекции лицевых масок. Сроки: желательно сегодня до ночи.
Для работы 1. Audio Processing: Look for someone experienced in audio processing techniques, such as audio file parsing, audio feature extraction, and audio signal processing. 2. Feature Extraction: They should have knowledge of various audio features like spectrograms, MFCCs (Mel-frequency cepstral coefficients), or other domain-specific features that can represent music characteristics. 3. Deep Learning: Neural networks, convolutional neural networks (CNNs), recurrent neural networks (RNNs), and other architectures commonly used in audio analysis. They should have experience in training and fine-tuning models for audio-related tasks. 4. Machine Learning Tools and Libraries: Proficiency in popular machine learning tools and libraries such as Python, TensorFlow, PyTorch, or Keras. 5. Data Storage and Processing: Familiarity with databases and data processing frameworks like SQL, NoSQL, Apache Spark, or Apache Hadoop will be beneficial for managing and manipulating large volumes of data efficiently.
Для себя 1)Добавить модель yolo v8 в программу 1)Дообучить модели yolo v5, FasterRCNN, yolo v8 на своих данных(данные есть) первые две модели уже в программе 3) Посчитать точность во всех случаях // все это в Google colab
Для себя Мне нужен наставник для занятий 1-2 раза в неделю по основам ML на практике. Знания и опыт на текущий момент практически нулевые. Я начал годовое обучение на платформе Skillbox. Параллельно так же читаю и делаю задания из нескольких книг по машинному обучению. Читаю книги по статистике. Хотел бы начать разрабатывать и обучать простые ML модели, и на них набираться опыта. Начать с каких то совсем элементарных и постепенно переходить на более интересные. На ближайшую перспективу у меня уже есть несколько идей: 1. Рекомендательные системы для интернет магазина. Я работаю веб разработчиком в интернет магазине и хотел бы попробовать сделать что полезное на основе ML. 2. Обучить модель которая будет рекомендовать hardskills на основе навыков у других пользователей. Например, если я разработчик и знаю такие то технологии, то дай мне список из топ технологий для изучения. Например. 3. Обучить нейросеть прогнозировать шансы забрать банк на флопе в покере. Обучить на истории из 1000000 рук. И тому подобное. Я бы хотел начать практиковаться в подготовке данных и обучении простых моделей на основе какого нибудь фреймворка, например Pytorch. И мне нужна помощь в составлении дорожной карты для обучения на практике, помощи в выборе инструментов и алгоритмов, в объяснении сложных для меня моментов.
Курсовая Курсовая работа "предвидение оттока клиентов" (Только код на основе ML предсказывающий отток клиентов). Есть пример работы только по теме "Предвидение совершения покупки товара". Есть файл, к которому нужно написать код. Нужно описание действий.
Для себя Необходимо вместе с преподавателем разобрать домашнее задание по ML. Реализация через Python. Тема ДЗ: градиентный спуск и стохастический градиентный спуск для обучения линейной регрессии.
Для себя Здравствуйте! Мне нужна помощь в обучении нейросети для предсказаний будущих значений. Я выполнил весь весь препроцессинг данных, однако возникают проблемы с обучением нейросети. Мой датасет это замеры выбросов CO2 со спутника. Он состоит из 1646 .hdf файлов, где каждый файл это дата замеров. Я полностью обработал эти файлы - перевел их в np_ndarray массивы, удалил ненужные поля, провел пространственно - временную интерполяцию, отмасштабировал их, выделил по координатам регион и сделал срез нужных мне значений CO2, разбил на тренировочную и тестовую выборку. После этих действий я получил трехмерные масивы. Тренировочный массив имеет форму (1152, 8, 11), тестовый массив имеет форму (494, 8, 11). Первое измерение это время, второе и третье - значение CO2 по координатам. Так как по нашей программе мы будем проходить нейросети только через 2 года, я самостоятельно ознакомился с принципом их работы и попытался написать модель, однако у меня не получилось. Прошу вашей помощи, спасибо.
Для работы Набора данных пока нет, но залача примерно такая... Есть набор данных. Нужно разбить на трейн-тест. Нужно провести анализ данных (описательный,проверить на аномалии, найти сильно коррелированные данные и решить проблему сильно коррелированных данных). Датасет чистый. Сделать какие-то выводы по данным. Некоторые features возможно преобразовать, объединить и тд. Построить несколько моделей (задача предсказания) и добиться высокого качества предсказания. По моделям - думаю лин регрессия + какие-то ML алгоритмы/сети. Воможно будет на временной ряд, но вряд-ли. Нужен понятный код с комментариями, чтобы понять, что происходит. Выводы. Нужно чтобы репетитор сделал задание, а потом прошелся и обяснил, что и как. Задача уровня джуна, не должно занять много времени и сил. Сам буду выполнять параллельно.
Для себя Решение лабораторной работы по детекции,на питоне в гугл коллабе, есть много вариантов решений, но нужно их переделать под определенную задачу
Для себя Сделать анализ датасета: https://www.kaggle.com/datasets/imranulhaquenoor/volve-well-production или другого подходящего датасета на ваше усмотрение для темы "Применение методов глубокого обучения для вероятностного прогноза добычи нефти". Необходимо сделать предобработку, построение модели глубокого обучения, обучить модель, оценка качества модели, сравнить построенные модели, использовать визуализацию Использовать python.
Для себя Дипломная работа Нужна помощь в написании дипломной работы по теме «АСУ ТП Проектирование канализации» Проект полностью готов, нужно лишь направить в нужное русло студента и помощь в разборе данного проекта.
Дипломная работа Нужна помощь в написании дипломной работы по теме «АСУ ТП Проектирование канализации» Проект полностью готов, нужно лишь направить в нужное русло студента и помощь в разборе данного проекта.
Для себя Требуется разработать на Python и натренировать модель, которая сможет идентифицировать определенные объекты на изображениях. Варианты результата: 1) на изображении представлен объект1, 2) на изображении - объект2, 3) на изображении - объект4, 4) на изображении нет объектов из перечня.
диплом Построить систему машинного обучения (классическое МО), датасеты имеются. Сроки ужаты - до 30 апреля предварительный результат, до 15 мая конечный результат.
Уточните категорию: машинное обучение Для себя Нужна помощь в реализации метода аугментации для задач НЛП на основе предобученой модели BART в короткие сроки. Идея метода аугментаци готова
Как мне найти учеников по профилю машинное обучение в Москве?
Зарегистрируйтесь и создайте привлекательный профиль с упоминанием вашей специализации. Обратите внимание на количество доступных заявок от учеников, которое на май 2026 года составляет 72
Какие требования к преподавателям на вашем сайте?
На нашем сайте приветствуются преподаватели с любым уровнем квалификации. Мы рекомендуем указать все свои сертификаты и образование, чтобы увеличить шансы на нахождение учеников
Могу ли я установить гибкий график работы?
Вы полностью контролируете свой график и можете обсуждать его напрямую с учениками, чтобы найти удобное время для обеих сторон
Каков потенциальный заработок для репетитора машинное обучение?
Заработок зависит от количества занятий и квалификации. В среднем, за одно занятие можно заработать 650.01 рублей с занятия. Больше занятий в неделю – выше доход