Блог независимых постеров
Четверг, 29.10.2020, 02:51
Приветствую Вас Гость | RSS
 
Главная РегистрацияВход
Меню сайта
  • Главная
  • Наши правила
  • Добавить новость
  • Как оформить?
  • Наш форум
  • Контакты
  • Категории раздела
    Софт
    Видео
    Музыка
    Игры
    Графика
    Чтиво
    Другое
    Кулинария
    Наш опрос
    Самая интересная категория?
    Всего ответов: 296
    Статистика
    Главная » 2020 » Март » 30 » Машинное обучение кластеризация и классификация на Python (2020)
    13:55
    Машинное обучение кластеризация и классификация на Python (2020)

    Выигрываем соревнование Kaggle с kNN, SVM, логистической регрессией, случайным лесом, XGBoost, CatBoost и LightGBM. Мы разберем прикладные подходы к кластеризации и классификации данных с помощью машинного обучения для страхового скоринга Prudential в соревновании на Kaggle вплоть до формирования конечного результата.

    Материалы курса:
    1. Задача страхового скоринга
    - Страховой скоринг
    - F1 и Каппа оценки классификации
    - Метод ближайших соседей
    - kNN скоринг
    2. Логистическая регрессия и опорные векторы
    - Обработка данных и оптимизация памяти
    - Логистическая регрессия
    - Иерархия логистической регрессии
    - SVM: метод опорных векторов
    - Сравнение классификации
    3. Решающие деревья и ансамбли бэггинга и бустинга
    - Решающие деревья
    - Случайный лес
    - Бустинг с XGBoost
    - Градиентный бустинг
    4. Ансамбль стекинга и финальное решение
    - LightGBM
    - CatBoost
    - Ансамбль классификации
    - Расчет результатов
    - Финальное решение

    Чему вы научитесь:
    - EDA: исследовательский анализ данных
    - Точность, полнота, F1 и каппа метрики
    - Простая кластеризация данных
    - Логистическая регрессия: простая и многоуровневая
    - Метод ближайших соседей: kNN
    - Наивный Байес
    - Метод опорных векторов: SVM
    - Решающие деревья м случайный лес
    - XGBoost и градиентный бустинг
    - CatBoost и LightGBM
    - Ансамбль голосования и стекинга

    Требования:
    - Продвинутый Python
    - Основы математической статистики
    - Основы машинного обучения

    В этом курсе:
    - Проведение исследовательского анализа данных для поиска зависимостей: EDA.
    - Метрики классификации: точность, полнота, F1, квадратичная каппа и матрица неточностей.
    - Очистка данных и оптимизация потребления памяти.
    - Кластеризация данных и метод ближайших соседей.
    - Простая и иерархическая логистическая регрессия.
    - Метод ближайших соседей и поиск оптимальной модели.
    - Метод опорных векторов: SVM.
    - Дерево принятия решения и случайный лес (бэггинг).
    - XGBosot и градиентный бустинг.
    - LightGBM и CatBoost
    - Ансамбль стекинга для голосования и выбора лучшего результата.
    - Выгрузка результата для соревнования на Kaggle.

    Для кого этот курс:
    - Аналитики Python, изучающие машинное обучение
    - Программисты больших данных
    - Исследователи больших данных




    Название: Машинное обучение кластеризация и классификация на Python
    Год выхода: 2020
    Жанр: Видеокурс, программирование, разработка, обучение
    Формат видео: MP4 | 1280x720 | AVC
    Формат аудио: AAC | 128 kb/s | 48 кГц
    Язык: Русский
    Продолжительность: 03:04:13
    Размер: 3.3 Gb

    Скачать Машинное обучение кластеризация и классификация на Python (2020)

    Категория: Видео | Просмотров: 21 | Добавил: Kioka83 | Теги: Видеокурс, программирование, разработка, Обучение | Рейтинг: 0.0/0
    Похожие материалы:
    Всего коментариев: 0
    Добавлять коментарии могут только зарегистрированные пользователи.
    [ Регистрация | Вход ]
    Онлайн
    Онлайн всего: 1
    Гостей: 1
    Пользователей: 0
    Мини-чат
    Поиск
    Календарь
    Друзья сайта
    Copyright by blogz © 2020
    Хостинг от uCoz