Поиск
Искать только в заголовках
Автор:
Искать только в заголовках
Автор:
Главная
Отзывы
Получить доступ
Стол заказов
FAQ
Обновление ссылок
Заработать
Поддержка
Вход
Регистрация
Поиск
Искать только в заголовках
Автор:
Искать только в заголовках
Автор:
Меню
Установить приложение
Установить
Ответить в теме
Главная
Каталог курсов
IT, ИИ, программирование, тестирование, аналитика
Stepik ― Машинное обучение - Модуль 1 (Анализ данных) (2024)
JavaScript отключён. Для полноценно использования нашего сайта, пожалуйста, включите JavaScript в своём браузере.
Вы используете устаревший браузер. Этот и другие сайты могут отображаться в нем неправильно.
Необходимо обновить браузер или попробовать использовать
другой
.
Сообщение
<blockquote data-quote="Настасия" data-source="post: 3459" data-attributes="member: 867"><p><strong>Stepik ― Машинное обучение - Модуль 1 (Анализ данных) (2024)</strong></p><p><strong></strong></p><p><strong>[ATTACH=full]1404[/ATTACH]</strong></p><p></p><p>Данный курс является первым модулем из серии моих курсов по машинному обучению (ML). В этом курсе в качестве задачи будет рассматриваться прогнозирование в футбольной аналитике. Мы сосредоточимся на сборе данных, которые будут использоваться для прогнозирования в следующих модулях. Помимо сбора данных, мы также применим некоторые техники предобработки данных.</p><p></p><p><strong>Программа курса</strong></p><p><strong></strong></p><p><strong>1. Введение</strong></p><p>О курсе</p><p>Среда разработки</p><p></p><p><strong>2. Сбор данных с использованием парсинга</strong></p><p>Выбор источника данных</p><p>Выбор метода парсинга</p><p>Определение целевых данных</p><p>Разработка скрипта парсинга</p><p>Библиотека прасинга датасета</p><p></p><p><strong>3. Обзор данных</strong></p><p>Обзор датасета</p><p>Библиотеки для анализа данных</p><p></p><p><strong>4. Очистка данных</strong></p><p>Важность и цель очистки данных.</p><p>Устранение дубликатов</p><p>Методы заполнения пропущенных данных.</p><p>Целевая переменная</p><p>Входные параметры</p><p></p><p><strong>5. Валидация данных</strong></p><p>Проверка качества данных после очистки и обработки</p><p>Проверка точност на моделях</p><p>Анализ важности признаков</p><p></p><p><strong>6. Кластерный анализ</strong></p><p>Понижение размерности</p><p>Кластерный анализ</p><p>Добавление новых параметров</p><p>Оценка качества модели после применения кластеризации</p><p></p><p><strong>7. Нормализация и стандартизация данных</strong></p><p>Приведение данных к единообразному формату.</p><p>Преобразование категориальных признаков.</p><p>Оценка качества модели после нормализации модели</p><p></p><p><strong>8. Балансировка данных</strong></p><p>Статистический анализ</p><p>Балансировка данных</p><p></p><p><strong>Автор: Алексей Кожакин</strong></p><p>Мне очень нравится помогать ученикам, изучающим Python, разбираться в сложных моментах и показывать наилучший путь изучения программирования, чтобы они могли стать успешными разработчиками.</p><p></p><p><strong>ИСТОЧНИК</strong></p><p><strong></strong></p><p><strong>*** Hidden text: cannot be quoted. ***</strong></p><p><strong></strong></p><p><strong></strong></p><p><strong>СКАЧАТЬ</strong></p><p><strong></strong></p><p><strong>*** Hidden text: cannot be quoted. ***</strong></p><p><strong></strong></p></blockquote><p></p>
[QUOTE="Настасия, post: 3459, member: 867"] [B]Stepik ― Машинное обучение - Модуль 1 (Анализ данных) (2024) [ATTACH type="full"]1404[/ATTACH][/B] Данный курс является первым модулем из серии моих курсов по машинному обучению (ML). В этом курсе в качестве задачи будет рассматриваться прогнозирование в футбольной аналитике. Мы сосредоточимся на сборе данных, которые будут использоваться для прогнозирования в следующих модулях. Помимо сбора данных, мы также применим некоторые техники предобработки данных. [B]Программа курса 1. Введение[/B] О курсе Среда разработки [B]2. Сбор данных с использованием парсинга[/B] Выбор источника данных Выбор метода парсинга Определение целевых данных Разработка скрипта парсинга Библиотека прасинга датасета [B]3. Обзор данных[/B] Обзор датасета Библиотеки для анализа данных [B]4. Очистка данных[/B] Важность и цель очистки данных. Устранение дубликатов Методы заполнения пропущенных данных. Целевая переменная Входные параметры [B]5. Валидация данных[/B] Проверка качества данных после очистки и обработки Проверка точност на моделях Анализ важности признаков [B]6. Кластерный анализ[/B] Понижение размерности Кластерный анализ Добавление новых параметров Оценка качества модели после применения кластеризации [B]7. Нормализация и стандартизация данных[/B] Приведение данных к единообразному формату. Преобразование категориальных признаков. Оценка качества модели после нормализации модели [B]8. Балансировка данных[/B] Статистический анализ Балансировка данных [B]Автор: Алексей Кожакин[/B] Мне очень нравится помогать ученикам, изучающим Python, разбираться в сложных моментах и показывать наилучший путь изучения программирования, чтобы они могли стать успешными разработчиками. [B]ИСТОЧНИК *** Hidden text: cannot be quoted. *** СКАЧАТЬ *** Hidden text: cannot be quoted. *** [/B] [/QUOTE]
Вставить цитаты...
Имя
Проверка
Ответить
Главная
Каталог курсов
IT, ИИ, программирование, тестирование, аналитика
Stepik ― Машинное обучение - Модуль 1 (Анализ данных) (2024)
Верх
Низ
