1. Новые складчины Показать еще

    19.11.2017: Создание SLIDE MOVIE (Сергей Спирин)

    19.11.2017: Схема. Высокорентабельный бизнес на зимний сезон (2016)

    19.11.2017: Голографическая память и мнемотехники (Станислав Мюллер)

    19.11.2017: Секреты сайтов знакомств: Полное руководство по знакомствам с девушками в интернете (Остромецкий)

    19.11.2017: Курс английского по методу Мишеля Томаса

  2. Гость, если у Вас на каком либо сайте есть аккаунт с повышенным статусом, то и у нас вы можете получить соответствующий статус. Подробнее читайте здесь https://www.skladchik.biz/threads/83942/
    Скрыть объявление
  3. Нужен организатор Показать еще

    18.11.2017: Выращивание рыболовной наживки - бизнес в домашних условиях.

    16.11.2017: Техники гипноза

    15.11.2017: 19 книг Виктора Пелевина + новинка Бентли Литтла

    15.11.2017: Доступ к сайту с ментальными техниками и фокусами...

    15.11.2017: Профайлер-верификатор (эксперт по безаппаратной...

  4. Сбор взносов Показать еще

    16.11.2017: SLIDE MOVIE версия 2.0 (Сергей Спирин)

    11.11.2017: Бизнес Коучинг (Андрей Парабеллум)

    07.11.2017: Курс по работе и заработку с Telegram

    04.11.2017: Боги И Мантры. Пакет Light (Юлия Воронина)

    13.08.2017: Оптовик 3.0 Как продавать оптом и в розницу много и долго! (Ярослав Лепёшкин и Антон Новиков)

Доступно DSCource 2. Data Mining с помощью Python (Юрий Кашницкий)

Тема в разделе "Курсы по программированию", создана пользователем hp4s, 12 апр 2016.

Цена:
7000р.
Взнос:
254р.

Основной список:

1. hp4s
2. Gendalf_beliy 3. timak474
    Тип: Стандартная складчина
    Участников: 3/30
Оценить эту складчину: /5,
  1. 12 апр 2016
    #1
    hp4s
    hp4s Организатор Организатор

    DSCource 2. Data Mining с помощью Python (Юрий Кашницкий)

    Юрий Кашницкий, Data Mining с помощью Python
    Видео лекций, презентации, ссылки по второму курсу данной серии


    "Мы постарались сделать программу так, чтобы в нее входили только самые основные навыки, необходимые в реальной работе. Здесь не будет длинной теории, только практически важные вещи."
    • Юрий Кашницкий, преподаватель Высшей Школы Экономики, умеющий объяснять сложные вещи простым языком, познакомит слушателей сперва с основными инструментами, которые пригодятся начинающему Data Scientist'у, а после проведет курс по машинному обучению, в котором даст необходимые навыки для построения прогнозных моделей

    Data Mining (добыча данных, интеллектуальный анализ данных, глубинный анализ данных) – собирательное название, используемое для обозначения совокупности методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности

    Kaggle – это платформа для исследователей разных уровней, где они могут опробовать свои модели анализа данных на серьезных и актуальных задачах. Суть такого ресурса – не только в возможности получить неплохой денежный приз в случае, если именно ваша модель окажется лучшей, но и в том (а, это, пожалуй, гораздо важнее), чтобы набраться опыта и стать специалистом в области анализа данных и машинного обучения.


    Данный курс освящает практическое применение алгоритмов обработки данных на примере решения одной из самых популярных задач платформы Kaggle, Titanic: Learning from Disaster (предсказание выживших в катастрофе пассажиров)
    Урок 1. Введение
    - Введение в машинное обучение, необходимые навыки
    - Задачи классификации, регрессии и кластеризации
    - Краткий обзор Kaggle
    - Открытие соревнования Kaggle Inclass
    - Знакомство с набором данных по автострахованию этого соревнования
    - Статистические распределения, нормализация признаков, приведение к нормальному распределению
    - Деревья решений
    - Применение дерева решений Scikit-learn к набору данных iris и данным из контеста Kaggle Inclass
    - Настройка параметров дерева, кросс-валидация

    Урок 2. Обзор инструментов
    - Работа с векторами и матрицами в библиотеке NumPy
    - Обзор библиотеки для научных выичслений SciPy
    - Тетрадки Jupyter (IPython) для презентации материала, содержащего код
    - Визуализация данных с Matplotlib
    - Чтение и обработка данных с библиотекой Pandas
    - Решение задачи соревнования Kaggle "Titanic: Learning from Disaster" c помощью Pandas
    - Обзор библиотеки машинного обучения Scikit-learn

    Урок 3. Обучение с учителем. Классификация
    - Работа с признаками – отбор, преобразование, построение
    - Метрики качества алгоритмов машинного обучения (accuracy, precision, recall, F-score). ROC-кривая, AUC
    - Метод максимального правдоподобия
    - Логистическая регрессия

    Урок 4. Обучение с учителем. Ансамбли. Переобучение
    - Случайный лес (Random Forest)
    - Случайный лес на примере набора данных Titanic
    - Случайный лес на примере набора данных по автострахованию
    - Бустинг (boosting) и бэггинг (bagging)
    - Сравнение бустинга и бэггинга на наборах данных репозитория UCI
    - Стекинг. Демонстрация решения задачи категоризации продуктов Otto (вкратце)
    - Переобучение, кросс-валидация, регуляризация
    - Пример регуляризации для логистической регрессии

    Урок 5. Обучение без учителя
    - Обзор методов кластеризации, снижения размерности, поиска аномалий в данных
    - Кластеризации городов России по социально-экономическим показателям
    - Сингулярное разложение матрицы
    - Пример снижения размерности изображений, сжатие изображений
    - Снижение размерности как способ визуализации даных
    - Решение задачи соревнования Kaggle "Titanic: Learning from Disaster" с помощью Python

    Урок 6. Продвинутые методы. API Scikit-learn
    - Нейронные сети, библиотеки nolearn и Lasagne NN
    - Библиотека XGBoost, сравнение с градиентным бустингом в Scikit-learn
    - Пример голосования между алгоритмами для повышения качества классификации
    - Смешивание (блендинг) алгоритмов на примере задачи Kaggle "Titanic: Learning from Disaster"
    - Стекинг. Пример для Titanic
    - Разработка собственного класса Scikit-learn Estimator для задачи по автострахованию Kaggle Inclass. kNN с подобранной метрикой.
     
    Gendalf_beliy нравится это.
  2. 18 май 2016
    #2
    Gendalf_beliy
    Gendalf_beliy Складчик Складчик
    Куплено? Как можно оплатить/получить?
     
  3. 18 май 2016
    #3
    Homer
    Homer Супермодератор Супер-модератор
    Да, Нажмите вкладу реквизиты, оплатите удобным для Вас способом, после чего в Реквизитах напишите об оплате, в течении 3-х дней организатор отметит Вашу оплату, и появится вкладка Библиотека, где уже вы сможете скачать.
     
    Gendalf_beliy нравится это.
  4. 19 май 2016
    #4
    Gendalf_beliy
    Gendalf_beliy Складчик Складчик
    Не желаете еще к этому присоединиться
    или переорганизовать?
     
    Последнее редактирование модератором: 19 май 2016
  5. 19 май 2016
    #5
    Homer
    Homer Супермодератор Супер-модератор
    Внешние ссылки пожалуйста скрывайте под хайд (скрытый контент)
     
  6. 19 май 2016
    #6
    Gendalf_beliy
    Gendalf_beliy Складчик Складчик
    Так это ж не вняшняя ссылка вроди была. В любом случае на счет ссылок понял.
     

Участники складчины DSCource 2. Data Mining с помощью Python (Юрий Кашницкий) смогут написать отзыв