[Python] [Udemy] Машинное обучение: регрессия и предсказание данных на Python (2020)

[Odyvanchik]

[Udemy] Машинное обучение: регрессия и предсказание данных на Python (2020)

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

Требования

* Продвинутый Python

* Основы математической статистики

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



—————————————————————————

🔗 Продажник:

📥 СКАЧАТЬ КУРС:

Для просмотра содержимого вам необходимо Войти или Зарегистрироваться.

🔐 Хотите получить доступ?

Чтобы увидеть скрытые ссылки и ставить лайки, активируйте VIP-статус.

💎 ПОЛУЧИТЬ ДОСТУП Наш Telegram канал