1. Мы открыли доступ к ранее скрытому контенту.

    Вам доступно более 44 000 видео уроков, книг и программ без VIP статуса. Более подробно ЗДЕСЬ.
    Скрыть объявление

Активно [Udemy] Машинное обучение: регрессия и предсказание данных на Python [Центр digital-профессий ITtens

Тема в разделе "Программирование", создана пользователем Таточка, 22 май 2020.

0/5, Голосов: 0

Этап:
Набор участников
Цена:
959.00 руб.
Участников:
0 из 10
Организатор:
требуется
0%
Расчетный взнос:
106 руб.
  • (Записывайтесь, чем больше участников, тем меньше расчетный взнос)

  1. Таточка

    Таточка Администратор Администратор

    Сообщения:
    24.798
    Симпатии:
    8.772

    • - Для записи в складчину необходимо подать заявку или 2 оплаченных складчин.
    Машинное обучение: регрессия и предсказание данных на Python

    Выигрываем соревнование на Kaggle по предсказанию данных с ансамблем линейной регрессии

    Язык: Русский
    Автор: Центр digital-профессий ITtensive
    Лекций: -
    Продолжительность: -

    Чему вы научитесь

    • - Процесс ETL: загрузка, очистка, объединение данных
      - Построение и оценка качества модели линейной регрессии
      - EDA: исследовательский анализ данных
      - Обогащение данных для извлечение смысла
      - Оптимизация потребления памяти набором данных
      - Иерархия моделей линейной регрессии
      - Ансамбль моделей линейной регрессии
      - Экспорт и импорт данных в CSV и HDF5
      - Участие в соревнование Kaggle
    Описание
    Мы рассмотрим все практические аспекты применения линейной регрессии для предсказания числовых показателей энергопотребления ASHRAE в соревновании на Kaggle вплоть до формирования конечного результата.

    В этом курсе:

    • - Особенности процесса анализа данных (ETL): загрузка, очистка, объединение наборов данных с pandas.


      - Проведение исследовательского анализа данных для поиска зависимостей: EDA.


      - Использование sklearn для линейной регрессии.


      - Интерполяция и экстраполяция данных.


      - Расчет метрики качества RMSLE для моделей линейной регрессии.


      - Оптимизация линейной регрессии: выбор наилучших параметров и гиперпараметров.


      - Оптимизация потребления памяти при работе с большими данными.


      - Запасные модели линейной регрессии.


      - Ансамбли линейной регрессии для уточнения предсказания.


      - Экспорт и импорт данных, включая промежуточные.


      - Выгрузка результата для соревнования на Kaggle.

    Для кого этот курс:


    • - Аналитики Python, изучающие машинное обучение
      - Программисты больших данных
      - Исследователи больших данных
    Скрытый контент.
    Машинное обучение: регрессия и предсказание данных на Python .
     
Мы в Telegram: Сохранить в соц. сетях:
Оценить эту тему:
/5,
Похожие темы
  1. Солнышко
    Ответов:
    0
    Просмотров:
    20
  2. Таточка
    Ответов:
    0
    Просмотров:
    13
  3. Таточка
    Ответов:
    0
    Просмотров:
    14
  4. Таточка
    Ответов:
    0
    Просмотров:
    21
  5. Таточка
    Ответов:
    0
    Просмотров:
    21
Загрузка...
  1. Этот сайт использует файлы cookie. Продолжая пользоваться данным сайтом, Вы соглашаетесь на использование нами Ваших файлов cookie.
    Скрыть объявление