id int64 18 21.1k | created_at timestamp[ns, tz=UTC]date 2026-02-23 07:30:20 2026-02-24 16:54:39 | updated_at timestamp[ns, tz=UTC]date 2026-02-23 08:08:14 2026-02-24 16:54:39 | doc_name stringclasses 1
value | input stringlengths 11 9.24k | output stringlengths 0 738 | is_personal bool 2
classes | is_sentence bool 2
classes | is_corrected bool 2
classes |
|---|---|---|---|---|---|---|---|---|
9,107 | 2026-02-24T09:15:33.921000Z | 2026-02-24T09:15:33.921000Z | Lec. | Основная точка входа — файл main.py в корне проекта, через который осуществляется управление всеми модулями приложения | false | true | false | |
9,106 | 2026-02-24T09:15:32.376000Z | 2026-02-24T09:15:32.376000Z | Lec. | Интерфейс программы реализован с использованием библиотеки Click | false | true | false | |
9,105 | 2026-02-24T09:15:30.583000Z | 2026-02-24T09:15:30.583000Z | Lec. | Локализованные описания команд и аргументов (ru/en) | false | true | false | |
9,104 | 2026-02-24T09:15:28.788000Z | 2026-02-24T09:15:28.788000Z | Lec. | Шаблоны ошибок и статусных уведомлений. help_message.py | false | true | false | |
9,103 | 2026-02-24T09:15:27.174000Z | 2026-02-24T09:15:27.174000Z | Lec. | Конфигурация. config.json для моделей. prog.json для программы в целом. ● Система сообщений. messages.py | false | false | false | |
9,102 | 2026-02-24T09:15:25.311000Z | 2026-02-24T09:15:25.311000Z | Lec. | Загрузки и применения ML-моделей | false | true | false | |
9,101 | 2026-02-24T09:15:23.584000Z | 2026-02-24T09:15:23.584000Z | Lec. | Обработки входных данных | false | true | false | |
9,100 | 2026-02-24T09:15:21.947000Z | 2026-02-24T09:15:21.947000Z | Lec. | Содержит функции для: | false | true | false | |
9,099 | 2026-02-24T09:15:20.456000Z | 2026-02-24T09:15:20.456000Z | Lec. | Логика предсказаний | false | true | false | |
9,098 | 2026-02-24T09:15:18.561000Z | 2026-02-24T09:15:18.561000Z | Lec. | Отображение локализованных подсказок и ошибок. prediction.py | false | true | false | |
9,097 | 2026-02-24T09:15:17.141000Z | 2026-02-24T09:15:17.141000Z | Lec. | Маршрутизацию вызовов к другим модулям | false | true | false | |
9,096 | 2026-02-24T09:15:15.732000Z | 2026-02-24T09:15:15.732000Z | Lec. | Обработку команд пользователя (через Click) | false | true | false | |
9,095 | 2026-02-24T09:15:14.336000Z | 2026-02-24T09:15:14.336000Z | Lec. | Отвечает за | false | false | false | |
9,094 | 2026-02-24T09:15:12.792000Z | 2026-02-24T09:15:12.792000Z | Lec. | Ядро интерфейса | false | true | false | |
9,093 | 2026-02-24T09:15:11.295000Z | 2026-02-24T09:15:11.295000Z | Lec. | Архитектура CLI. main.py | false | false | false | |
9,092 | 2026-02-24T09:15:09.693000Z | 2026-02-24T09:15:09.693000Z | Lec. | Набор PNG-графиков с визуализацией | false | false | false | |
9,091 | 2026-02-24T09:15:07.990000Z | 2026-02-24T09:15:07.990000Z | Lec. | Excel-файл с полной статистикой; | false | true | false | |
9,090 | 2026-02-24T09:15:06.421000Z | 2026-02-24T09:15:06.421000Z | Lec. | Выходные данные | false | true | false | |
9,089 | 2026-02-24T09:15:04.905000Z | 2026-02-24T09:15:04.905000Z | Lec. | Автоматическое определение оптимальных параметров. 4 | false | true | false | |
9,088 | 2026-02-24T09:15:03.371000Z | 2026-02-24T09:15:03.371000Z | Lec. | Гибкая система форматирования отчета | false | true | false | |
9,087 | 2026-02-24T09:15:01.936000Z | 2026-02-24T09:15:01.936000Z | Lec. | Поддержка многопоточной обработки | false | true | false | |
9,086 | 2026-02-24T09:15:00.428000Z | 2026-02-24T09:15:00.428000Z | Lec. | Использование torchmetrics для расчета метрик | false | true | false | |
9,085 | 2026-02-24T09:14:58.929000Z | 2026-02-24T09:14:58.929000Z | Lec. | Особенности реализации | false | true | false | |
9,084 | 2026-02-24T09:14:56.979000Z | 2026-02-24T09:14:56.979000Z | Lec. | Результаты для обеих стратегий классификации. 3 | false | true | false | |
9,083 | 2026-02-24T09:14:55.470000Z | 2026-02-24T09:14:55.470000Z | Lec. | Детальные метрики по каждому классу | false | true | false | |
9,082 | 2026-02-24T09:14:53.995000Z | 2026-02-24T09:14:53.995000Z | Lec. | Усредненные метрики для лучших параметров | false | true | false | |
9,081 | 2026-02-24T09:14:52.511000Z | 2026-02-24T09:14:52.511000Z | Lec. | Сводная статистика по отказам | false | true | false | |
9,080 | 2026-02-24T09:14:51.094000Z | 2026-02-24T09:14:51.094000Z | Lec. | Создание структурированного Excel-файла: | true | true | false | |
9,079 | 2026-02-24T09:14:49.371000Z | 2026-02-24T09:14:49.371000Z | Lec. | Формирование отчета | false | true | false | |
9,078 | 2026-02-24T09:14:47.831000Z | 2026-02-24T09:14:47.831000Z | Lec. | Сохранение графиков в PNG. 2.6 | false | false | false | |
9,077 | 2026-02-24T09:14:46.215000Z | 2026-02-24T09:14:46.215000Z | Lec. | Доля пустых предсказаний от порога | false | false | false | |
9,076 | 2026-02-24T09:14:44.673000Z | 2026-02-24T09:14:44.673000Z | Lec. | Recall от параметра классификации | true | true | false | |
9,075 | 2026-02-24T09:14:42.855000Z | 2026-02-24T09:14:42.856000Z | Lec. | Precision от параметра классификации | false | true | false | |
9,074 | 2026-02-24T09:14:41.195000Z | 2026-02-24T09:14:41.195000Z | Lec. | F1-score от параметра классификации | false | false | false | |
9,073 | 2026-02-24T09:14:39.504000Z | 2026-02-24T09:14:39.504000Z | Lec. | Построение графиков зависимостей: | false | true | false | |
9,072 | 2026-02-24T09:14:37.589000Z | 2026-02-24T09:14:37.589000Z | Lec. | Визуализация результатов | false | true | false | |
9,071 | 2026-02-24T09:14:36.041000Z | 2026-02-24T09:14:36.041000Z | Lec. | Сортировка результатов по кодам рубрик. 2.5 | false | true | false | |
9,070 | 2026-02-24T09:14:34.469000Z | 2026-02-24T09:14:34.469000Z | Lec. | Сопоставление с кодами рубрик из файла JSON | false | true | false | |
9,069 | 2026-02-24T09:14:33.030000Z | 2026-02-24T09:14:33.030000Z | Lec. | Матрица ошибок (TP, FP, TN, FN) | false | false | false | |
9,068 | 2026-02-24T09:14:31.378000Z | 2026-02-24T09:14:31.378000Z | Lec. | F1, Precision, Recall | false | false | false | |
9,067 | 2026-02-24T09:14:29.568000Z | 2026-02-24T09:14:29.569000Z | Lec. | Расчет метрик для каждого класса отдельно: | false | true | false | |
9,066 | 2026-02-24T09:14:28.061000Z | 2026-02-24T09:14:28.061000Z | Lec. | Детализированный анализ по классам | false | true | false | |
9,065 | 2026-02-24T09:14:26.673000Z | 2026-02-24T09:14:26.673000Z | Lec. | Оптимальное значение параметра (порога или K). 2.4 | false | true | false | |
9,064 | 2026-02-24T09:14:24.827000Z | 2026-02-24T09:14:24.827000Z | Lec. | Recall (macro, micro, weighted) | false | false | false | |
9,063 | 2026-02-24T09:14:23.363000Z | 2026-02-24T09:14:23.363000Z | Lec. | Precision (macro, micro, weighted) | false | false | false | |
9,062 | 2026-02-24T09:14:21.896000Z | 2026-02-24T09:14:21.896000Z | Lec. | F1-score (macro, micro, weighted) | false | false | false | |
9,061 | 2026-02-24T09:14:20.316000Z | 2026-02-24T09:14:20.316000Z | Lec. | Для каждой стратегии вычисляются: | false | true | false | |
9,060 | 2026-02-24T09:14:18.911000Z | 2026-02-24T09:14:18.911000Z | Lec. | Расчет соответствующих метрик | false | true | false | |
9,059 | 2026-02-24T09:14:17.396000Z | 2026-02-24T09:14:17.396000Z | Lec. | Выбор K лучших классов с наибольшими значениями вероятности (K от 1 до 3) | false | true | false | |
9,058 | 2026-02-24T09:14:15.889000Z | 2026-02-24T09:14:15.889000Z | Lec. | Топ-K классификация (top_k): | false | true | false | |
9,057 | 2026-02-24T09:14:14.481000Z | 2026-02-24T09:14:14.481000Z | Lec. | Расчет метрик для каждого порога | false | true | false | |
9,056 | 2026-02-24T09:14:12.947000Z | 2026-02-24T09:14:12.947000Z | Lec. | Диапазон порогов: от 0.1 до 0.95 с шагом 0.05 | false | true | false | |
9,055 | 2026-02-24T09:14:11.338000Z | 2026-02-24T09:14:11.338000Z | Lec. | Пороговая классификация (threshold): | false | true | false | |
9,054 | 2026-02-24T09:14:09.651000Z | 2026-02-24T09:14:09.651000Z | Lec. | Анализ проводится по двум стратегиям: | false | true | false | |
9,053 | 2026-02-24T09:14:07.150000Z | 2026-02-24T09:14:07.150000Z | Lec. | Оценка качества классификации | false | true | false | |
9,052 | 2026-02-24T09:14:05.443000Z | 2026-02-24T09:14:05.443000Z | Lec. | Количество и доля отказов классификации (Reject). 2.3 | false | false | false | |
9,051 | 2026-02-24T09:14:03.971000Z | 2026-02-24T09:14:03.971000Z | Lec. | Среднее/минимальное/максимальное число предсказанных классов | false | true | false | |
9,050 | 2026-02-24T09:14:01.638000Z | 2026-02-24T09:14:01.638000Z | Lec. | Расчет базовой статистики: | false | true | false | |
9,049 | 2026-02-24T09:13:59.913000Z | 2026-02-24T09:13:59.914000Z | Lec. | Предварительный анализ предсказаний | false | true | false | |
9,048 | 2026-02-24T09:13:58.057000Z | 2026-02-24T09:13:58.057000Z | Lec. | Настройка форматов ячеек. 2.2 | false | true | false | |
9,047 | 2026-02-24T09:13:56.217000Z | 2026-02-24T09:13:56.217000Z | Lec. | Создание Excel-файла с помощью xlsxwriter | false | true | false | |
9,046 | 2026-02-24T09:13:54.714000Z | 2026-02-24T09:13:54.714000Z | Lec. | Инициализация отчета | false | true | false | |
9,045 | 2026-02-24T09:13:53.175000Z | 2026-02-24T09:13:53.175000Z | Lec. | Основные этапы работы. 2.1 | false | true | false | |
9,044 | 2026-02-24T09:13:51.233000Z | 2026-02-24T09:13:51.233000Z | Lec. | Визуализации зависимостей показателей качества. 2 | false | true | false | |
9,043 | 2026-02-24T09:13:49.588000Z | 2026-02-24T09:13:49.588000Z | Lec. | Генерации отчетов в формате Excel | false | true | false | |
9,042 | 2026-02-24T09:13:48.086000Z | 2026-02-24T09:13:48.086000Z | Lec. | Анализа результатов классификации по различным метрикам | false | true | false | |
9,041 | 2026-02-24T09:13:46.379000Z | 2026-02-24T09:13:46.379000Z | Lec. | Комплексной оценки качества предсказаний модели | false | true | false | |
9,040 | 2026-02-24T09:13:44.672000Z | 2026-02-24T09:13:44.672000Z | Lec. | Модуль test_predictons предназначен для: | false | true | false | |
9,039 | 2026-02-24T09:13:42.372000Z | 2026-02-24T09:13:42.372000Z | Lec. | Назначение модуля | false | true | false | |
9,038 | 2026-02-24T09:13:40.978000Z | 2026-02-24T09:13:40.978000Z | Lec. | Поддерживает стандартный интерфейс HuggingFace. 1 | false | true | false | |
9,037 | 2026-02-24T09:13:39.496000Z | 2026-02-24T09:13:39.496000Z | Lec. | Учитывает веса классов при расчете потерь | false | true | false | |
9,036 | 2026-02-24T09:13:38.002000Z | 2026-02-24T09:13:38.002000Z | Lec. | Добавляет взвешенную BCEWithLogitsLoss | false | true | false | |
9,035 | 2026-02-24T09:13:36.517000Z | 2026-02-24T09:13:36.517000Z | Lec. | Класс CustomTrainer расширяет стандартный Trainer: | false | false | false | |
9,034 | 2026-02-24T09:13:34.672000Z | 2026-02-24T09:13:34.672000Z | Lec. | Кастомный тренировочный цикл | false | true | false | |
9,033 | 2026-02-24T09:13:33.138000Z | 2026-02-24T09:13:33.138000Z | Lec. | Формирование словаря метрик для мониторинга процесса обучения. 4 | false | true | false | |
9,032 | 2026-02-24T09:13:31.240000Z | 2026-02-24T09:13:31.240000Z | Lec. | Для порогов 0.5-0.9 с шагом 0.1 | true | false | false | |
9,031 | 2026-02-24T09:13:29.693000Z | 2026-02-24T09:13:29.693000Z | Lec. | Accuracy (macro/micro/weighted) | false | false | false | |
9,030 | 2026-02-24T09:13:28.165000Z | 2026-02-24T09:13:28.165000Z | Lec. | F1-score (macro/micro/weighted) | false | false | false | |
9,029 | 2026-02-24T09:13:26.630000Z | 2026-02-24T09:13:26.630000Z | Lec. | Расчет multi-label метрик: | false | true | false | |
9,028 | 2026-02-24T09:13:24.920000Z | 2026-02-24T09:13:24.920000Z | Lec. | Метрики оценки Функция prepair_compute_metrics включает: | false | true | false | |
9,027 | 2026-02-24T09:13:23.229000Z | 2026-02-24T09:13:23.229000Z | Lec. | Параметров r, alpha, dropout. 3 | false | false | false | |
9,026 | 2026-02-24T09:13:21.531000Z | 2026-02-24T09:13:21.531000Z | Lec. | Внимания (query/key) | false | false | false | |
9,025 | 2026-02-24T09:13:18.024000Z | 2026-02-24T09:13:18.024000Z | Lec. | Настройку LoRA-адаптеров для: | false | true | false | |
9,024 | 2026-02-24T09:13:16.619000Z | 2026-02-24T09:13:16.619000Z | Lec. | Загрузку предобученной модели ruBERT для multilabel-классификации; | false | true | false | |
9,023 | 2026-02-24T09:13:15.072000Z | 2026-02-24T09:13:15.072000Z | Lec. | Функция prepair_model реализует: | false | true | false | |
9,022 | 2026-02-24T09:13:13.413000Z | 2026-02-24T09:13:13.413000Z | Lec. | Конфигурация модели: | false | true | false | |
9,021 | 2026-02-24T09:13:11.452000Z | 2026-02-24T09:13:11.452000Z | Lec. | Формирование объектов Dataset PyTorch для дальнейшего использования при обучении. 2 | false | true | false | |
9,020 | 2026-02-24T09:13:09.403000Z | 2026-02-24T09:13:09.403000Z | Lec. | Токенизацию текстов с ограничением длины (512 токенов); | false | true | false | |
9,019 | 2026-02-24T09:13:07.889000Z | 2026-02-24T09:13:07.890000Z | Lec. | Расчет весов классов для устранения дисбаланса; | false | true | false | |
9,018 | 2026-02-24T09:13:05.647000Z | 2026-02-24T09:13:05.647000Z | Lec. | Стратифицированное разделение данных на train/valid/test; | false | true | false | |
9,017 | 2026-02-24T09:13:03.925000Z | 2026-02-24T09:13:03.925000Z | Lec. | Загрузку и инициализацию токенезатора для переданного названия модели; | true | true | false | |
9,016 | 2026-02-24T09:13:00.028000Z | 2026-02-24T09:13:00.028000Z | Lec. | Функция prepair_datasets выполняет: | false | true | false | |
9,015 | 2026-02-24T09:12:58.279000Z | 2026-02-24T09:12:58.279000Z | Lec. | Подготовка датасетов для обучения | false | true | false | |
9,014 | 2026-02-24T09:12:56.288000Z | 2026-02-24T09:12:56.288000Z | Lec. | Модуль обучения состоит из следующих элементов:. 1 | false | true | false | |
9,013 | 2026-02-24T09:12:54.665000Z | 2026-02-24T09:12:54.665000Z | Lec. | Предложенный модуль предобработки данных стал основой для подготовки текстов к дальнейшему анализу и применению моделей машинного обучения | false | true | false | |
9,012 | 2026-02-24T09:12:52.917000Z | 2026-02-24T09:12:52.917000Z | Lec. | На основе этих направлений были реализованы следующие этапы:. разработка функции замены распространенных сокращений на полные формы для повышения читаемости и однозначности;. удаление формул, представленных в формате LaTeX, как элементов, не несущих смысловой нагрузки в рамках предсказательной задачи;. добавление класса-обработчика датасетов с возможностью контроля рабочего диапазона по различным типам уровней, что обеспечивает гибкость при выборе обучающей и тестовой выборок;. улучшение функции удаления рубрик с количеством текстов ниже заданного порога, что позволяет избежать дисбаланса классов;. добавление подробных комментариев к коду модуля для повышения его читаемости и удобства поддержки в дальнейшем | false | false | false | |
9,011 | 2026-02-24T09:12:50.802000Z | 2026-02-24T09:12:50.802000Z | Lec. | В процессе работы были выделены основные направления, требующие автоматической обработки до подачи данных в модель | false | true | false | |
9,010 | 2026-02-24T09:12:49.149000Z | 2026-02-24T09:12:49.149000Z | Lec. | При создании модуля предобработки данных были проанализированы особенности исходных текстов, используемых в проекте, а также требования к их структуре и содержанию, предъявляемые на этапе предсказания | false | true | false | |
9,009 | 2026-02-24T09:12:47.477000Z | 2026-02-24T09:12:47.477000Z | Lec. | Email: enpanov@edu.hse.ru | true | false | false | |
9,008 | 2026-02-24T09:12:45.825000Z | 2026-02-24T09:12:45.825000Z | Lec. | Панов Елисей, группа БИВ238 | true | true | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.