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

[serafim]

[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

Войти или Зарегистрироваться чтобы увидеть скрытый текст.

СКАЧАТЬ

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.