Обработка данных и машинное обучение: рабочие процессы Python промежуточного уровня

Данные редко бывают чистыми или готовыми для моделирования, и выход за рамки базового анализа требует сильных навыков манипулирования. Этот текстовый курс поможет вам преодолеть разрыв между базовыми скриптами Python и структурированными конвейерами машинного обучения.\n\nВы пройдете путь от простой очистки данных до создания комплексных рабочих процессов подготовки данных и машинного образования. Вы узнаете, как работать со сложными наборами данных, создавать высококачественные функции и уверенно тренировать предсказывающие модели.\n\nЧто вы узнаете:\n- Очистить и преобразовать сложные наборы данных с помощью передовых методов pandas и современных операций с рамками данные.\n- Создать впечатляющие функции из необработанных категориальных, числовых и дата-временных данных для улучшения производительность модели.\n- Реализация алгоритмов машинного обучения с наблюдением для классификации и регрессии.\n - Оценка производительности модели с использованием надежной перекрестной проверки и соответствующих метрик.\n – Структурирование чистого, воспроизводимого кода машинного образования с использование конвейеров и современных стандартов форматирования Python.\n методы предотвращения утечки данных и обеспечения надежности модели.\n\nМы начинаем с основных определений, ключевой терминологии и основных концепций манипулирования данными, прежде чем перейти к систематическому проектированию признаков, обучению модели и оценке. Благодаря письменным объяснениям и практическим сценариям вы построите прочный фундамент в современных рабочих процессах.\n\nЭтот курс предназначен для учащихся с базовыми знаниями Python, которые хотят расширить свои возможности в области науки данных. Не требуется никаких специальных знаний по математике или предыдущего опыта машинного обучения.\n\nНачните читать сегодня, чтобы повысить свои навыки работы с данными и машинного образования.