Эпизод 2: Как TensorFlow работает на самом деле: тензоры, формы и реальные бизнес-примеры скачать в хорошем качестве

Эпизод 2: Как TensorFlow работает на самом деле: тензоры, формы и реальные бизнес-примеры

TensorFlow — это не просто «нейронные сети», это мощный движок тензорной математики. В этом видео вы узнаете, что такое TensorFlow, что такое тензор и ключевые понятия, обеспечивающие его работу: ранг, форма, тип данных, индексирование/срез, изменение формы, широковещательная рассылка и агрегация (операции reduce). Затем мы перейдём к практическим сценариям электронной коммерции, используя только основные операции TensorFlow (без Keras, без слоёв). Вы будете рассчитывать ежедневную выручку, итоговые суммы заказов (скидка + НДС), отмечать подозрительные заказы, находить самые продаваемые товары, анализировать тенденции с помощью срезов, вычислять уровни доставки с помощью `tf.where` и нормализовать данные с помощью z-баллов — всё это шаг за шагом в блокноте Jupyter. Если вы новичок в TensorFlow, это тот самый базовый материал, который вам нужен, прежде чем переходить к градиентам, обучению и моделям. Код ноутбука, использованный в видео: https://github.com/josedacruz/tensorf... --- Временные метки 00:00 Вступление: почему тензоры — это настоящая «основа» TensorFlow 03:13 Что такое TensorFlow (и в чем его преимущества) 05:53 Что такое тензор? Ранжирование + Форма с реальными примерами (изображения) 07:29 Создание тензоров: `tf.constant`, `zeros`, `ones`, `range` 08:59 Форма, тип данных, ранжирование + `tf.cast` 10:43 Индексирование, нарезка и `tf.reshape` (подгонка данных под размер массива) 14:55 Трансляция (пример с налогами + матрица + вектор) 16:27 Математика и агрегирование: `reduce_sum`, `reduce_mean`, объяснение осей 19:55 Демонстрация электронной коммерции 1: панель мониторинга ежедневной выручки (reshape + reduce + диаграмма) 23:59 Демонстрация 2–3: математические вычисления при оформлении заказа + фильтр порога мошенничества 26:35 Демонстрация 4: бестселлер + тепловая карта (дни × товары) 29:01 Демонстрация 5: анализ трендов (нарезка за последние 7 дней + диаграмма) 29:59 Демонстрация 6: уровни доставки с помощью `tf.where` (+ кривая правил) 32:06 Демонстрация 7: нормализация (z-баллы) + график необработанных и нормализованных данных 34:37 ​​Заключение: что можно сделать с TensorFlow до моделей машинного обучения --- #TensorFlow #TensorFlowTutorial #TensorFlowBasics #Tensors #MachineLearning #DataScience #Python #NumPy #Broadcasting #Reshape #Slicing #GradientDescent #Analytics #Ecommerce #Programming #LearnToCode #JupyterNotebook #MLTutorial #AI #GoogleAI