Такую не читал, но если с нуля в нейронки очень рекомендую курс dls от мфти бесплатный

Книгу вот эту тоже. Но я на английском пока не читаю, там наверное поинтересней есть

проверьте плиз, отток пользователей
C6W5
https://www.coursera.org/learn/data-analysis-project/peer/UDPo5/ekspierimienty-s-modiel-iu-proghnozirovaniia-ottoka/review/sdljm2t9EeunhQrnEJTDZw
C6W6
https://www.coursera.org/learn/data-analysis-project/peer/fMNng/otsienka-effiekta-ot-vniedrieniia-poluchiennogho-rieshieniia/review/HAWjwXjZEeu04RL-BD4X5w
C6W7
https://www.coursera.org/learn/data-analysis-project/peer/9G4mP/podghotovka-otchieta-o-proviediennom-issliedovanii/review/iuykwXjaEeu0Swo25M1LAQ

Soasibo

Работаю с высокочастотными временными рядами и заметил, что кол-во тиков на секунду в датасете отличается. В среднем на 1 секунде приходится 11-14 строк в датасете, что даете +- точное представление, но есть часть строк, где на 1 секунду приходится от 1 до 4 строк. Мне кажется это может повлечь за собой проблемы в будущем. Что с этим можно сделать? Вариант "купить нормальный потиковый датасет за 50$" не предлагать)

Купи нормальный потиковый датасет за 200$

что типа сделать df.resample('100L').sum() - отрегулирует частоту где L - это миллисекунда. др офсеты можно тут посмотреть: https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html

а если там наны нужно чем то получившиеся заполнить, то дальше df.interpolate(method='linear')

NVIDIA Jarvis for Conversational AI on Python https://youtu.be/XFL5ywa9Lp4

Ребят, а можете подсказать, ЧЯДТН
c2_w1
Programming Assignment: Линейная регрессия и стохастический градиентный спуск

3. Реализуйте функцию *normal_equation*, которая по заданным матрицам (массивам NumPy) *X* и *y* вычисляет вектор весов $w$ согласно нормальному уравнению линейной регрессии.

def normal_equation(X, y):
   a = np.dot(X.T, X)
   b = np.dot(X.T, y)
   res = np.linalg.solve(a, b)
   return res

norm_eq_weights = normal_equation(X, y)
print(norm_eq_weights)

[ 1.40225000e+01  4.57646455e-02  1.88530017e-01 -1.03749304e-03]

вопрос про альтернативный вариант, через np.linalg.pinv - како н должен выглядеть?

print(np.linalg.pinv(X)*y)

выдает чето совсем не то

вместо * .dot(y)

* - это поэлементное умножение. a dot - матричное умножение

спасибо)

туплю

подскажите плиз какое распределение мы используем, когда перебираем например шары в сумке, пока не вытащим шар нужного цвета? (после неудачной попытки возвращаем шар в мешок)

Бернулли

Спасибки