Распродажа!

[Центр digital-профессий ITtensive] Машинное обучение: регрессия и предсказание данных на Python (2020)

49.00

Добавить в список желаний
Добавить в список желаний
Артикул: becc58c135b8 Категория: Метки: ,

Описание

Автор: Центр digital-профессий ITtensive
Название: Машинное обучение: регрессия и предсказание данных на Python (2020)

Машинное обучение: регрессия и предсказание данных на Python [Центр digital-профессий ITtensive] Выигрываем соревнование на Kaggle по предсказанию данных с ансамблем линейной регрессии

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

Отзывы

Отзывов пока нет.

Будьте первым, кто оставил отзыв на “[Центр digital-профессий ITtensive] Машинное обучение: регрессия и предсказание данных на Python (2020)”