Программирование Машинное обучение - Подготовка данных (Модуль 1) - Stepik (2024)

[Zero]

Машинное обучение - Подготовка данных (Модуль 1)

Stepik

О чём курс:

Материал «Машинное обучение - Подготовка данных (Модуль 1) - Stepik (2024)» — первый модуль серии курсов по машинному обучению Алексея Кожакина. В качестве прикладной задачи рассматривается прогнозирование в футбольной аналитике; основной акцент сделан на сборе данных для последующих модулей и на методах предобработки.

В программе рассматриваются вводная часть, работа в среде разработки, сбор данных с использованием парсинга, обзор датасета и библиотек для анализа данных. Далее идут очистка данных, валидация, кластерный анализ, нормализация и стандартизация, а также балансировка данных; отдельно упоминаются устранение дубликатов, заполнение пропусков, преобразование категориальных признаков и оценка качества модели после обработки.

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:

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.