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. Программа курса 1. Введение О курсе Среда разработки 2. Сбор данных с использованием парсинга Выбор источника данных Выбор метода парсинга Определение целевых данных Разработка скрипта парсинга Библиотека прасинга датасета 3. Обзор данных Обзор датасета Библиотеки для анализа данных 4. Очистка данных Важность и цель очистки данных. Устранение дубликатов Методы заполнения пропущенных данных. Целевая переменная Входные параметры 5. Валидация данных Проверка качества данных после очистки и обработки Проверка точност на моделях Анализ важности признаков 6. Кластерный анализ Понижение размерности Кластерный анализ Добавление новых параметров Оценка качества модели после применения кластеризации 7. Нормализация и стандартизация данных Приведение данных к единообразному формату. Преобразование категориальных признаков. Оценка качества модели после нормализации модели 8. Балансировка данных Статистический анализ Балансировка данных Автор: Алексей Кожакин Мне очень нравится помогать ученикам, изучающим Python, разбираться в сложных моментах и показывать наилучший путь изучения программирования, чтобы они могли стать успешными разработчиками. Продажник: ↓ Скачать: ↓
Скачать Stepik, Алексей Кожакин ― Машинное обучение - Модуль 1 (Анализ данных) (2024) слив курса.
Текущее время: Сегодня 20:48
Часовой пояс: GMT + 4
Вы не можете начинать темы Вы не можете отвечать на сообщения Вы не можете редактировать свои сообщения Вы не можете удалять свои сообщения Вы не можете голосовать в опросах Вы не можете прикреплять файлы к сообщениям Вы не можете скачивать файлы
