Последние темы автора:
- [Эдуард Добро] Сборник протеиновых рецептов
- [Виктория Курилова] [Stepik] Как получить работу в 2026 году: резюме, собеседование (2025)
- [Елена Голева] Сам себе остеопат. Тариф с поддержкой (2026)
- [Точка интеллекта] Иван Негреев → Китайская философия: от конфуцианства до даосизма. Лекция 15. Великий китайский философ Чжуан-цзы. Часть 2 (2026)
- [Алина Базарова] ШУБА: как сделать годовой расклад и не сойти с ума (2025)
[Stepik] Алексей Кожакин ― Машинное обучение - Модуль 1 (Анализ данных) (2024)
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.
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.
Подробнее:
Описание курса:
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.
Подробнее:
Для просмотра ссылок пройдите регистрацию
