Python для машинного обучения. Продвинутый
Это вторая часть моего курса по машинному обучению, посвященная его продвинутым методикам, а также охватывает и подходы машинного обучения без учителя
Практические задания
Помощь от учителя
Поддержка 24/7
Программа курса
8 разделов • 38 уроков
1
Метрики эффективности моделей машинного обучения
1.3. Выполняем разделение данных
1.4. Оцениваем метрики качества классификации
2
Недообучение и переобучение
2.1. Что такое недообучение и переобучение
2.2. Выполняем диагностику моделей классификации
2.3. Выполняем диагностику моделей регрессии
2.4. Выполняем диагностику на реальных данных
2.5. Выполняем диагностику недообучения
3
Оптимизация гиперпараметров
3.1. Сравнение точности моделей
3.2. Генерация модели Elasticnet
4
Инжиниринг численных признаков
4.1. Введение в инжиниринг численных признаков
4.2. Выполняем бинаризацию атрибутов
4.3. Выполняем группировку численных значений
4.4. Удаление экстремальных значений
4.5. Заполнение пропусков
4.6. Округление атрибутов
5
Инжиниринг категориальных признаков
5.1. Введение
5.2. Визуализируем распределение значений признаков и связь с целевой переменной
5.3. Выполняем укрупнение категорий
5.4. Выполняем добавление агрегированной информации
5.5. Заполняем отсутствующие значения
6
Работа с целевой переменной
6.1. Введение
6.2. Определяем относительную важность признаков
6.3. Реализуем автоматизацию отбора признаков
6.4. Выполняем устранение дисбаланса классов
6.5. Выполняем ресемплинг
6.6. Выполняем дискретизацию целевой переменной
7
Кластеризация
7.1. Введение
7.2. Выполняем кластеризацию K-средних
7.3. Выполняем нормализацию признаков
7.4. Выполняем иерархическую кластеризацию
8
Понижение размерности
8.1. Введение
8.2. Проводим PCA на сгенерированных данных
8.3. Проводим PCA на многомерных данных
8.4. Подбираем количество компонент
8.5. Проводим LDA
8.6. Применяем метод t-SNE
Преподаватели
Изучите преподавательский состав
Отзывы о курсе
0 отзыва
Войдите в аккаунт, чтобы оставить отзыв о курсе
Доступ навсегда
24/7 Support
sklearn
seaborn
numpy
matplotlib