bootg.com »
United States »
Библиотека собеса по Data Science | вопросы с собеседований » Telegram Web
🧑💻 Статьи для IT: как объяснять и распространять значимые идеи
Напоминаем, что у нас есть бесплатный курс для всех, кто хочет научиться интересно писать — о программировании и в целом.
Что: семь модулей, посвященных написанию, редактированию, иллюстрированию и распространению публикаций.
Для кого: для авторов, копирайтеров и просто программистов, которые хотят научиться интересно рассказывать о своих проектах.
👉Материалы регулярно дополняются, обновляются и корректируются. А еще мы отвечаем на все учебные вопросы в комментариях курса.
Напоминаем, что у нас есть бесплатный курс для всех, кто хочет научиться интересно писать — о программировании и в целом.
Что: семь модулей, посвященных написанию, редактированию, иллюстрированию и распространению публикаций.
Для кого: для авторов, копирайтеров и просто программистов, которые хотят научиться интересно рассказывать о своих проектах.
👉Материалы регулярно дополняются, обновляются и корректируются. А еще мы отвечаем на все учебные вопросы в комментариях курса.
Как с помощью линейной модели понять, от каких признаков можно сразу избавиться?
Есть несколько способов:
▪️Посмотреть на коэффициенты при признаках
Они показывают, насколько сильно каждый признак влияет на целевую переменную. Если коэффициент признака близок к нулю, это может означать, что данный признак мало влияет на прогноз, и его можно исключить.
▪️Использовать регуляризацию
L1-регуляризация (Lasso) может обнулять коэффициенты некоторых признаков, что прямо указывает на их малую значимость.
▪️Проверить значимости признаков
Методы статистического тестирования (например, t-тест для каждого признака) могут показать, являются ли коэффициенты значимыми. Если какой-то признак незначим, его вклад в предсказание минимален, и его можно исключить из модели.
#машинное_обучение
Есть несколько способов:
▪️Посмотреть на коэффициенты при признаках
Они показывают, насколько сильно каждый признак влияет на целевую переменную. Если коэффициент признака близок к нулю, это может означать, что данный признак мало влияет на прогноз, и его можно исключить.
▪️Использовать регуляризацию
L1-регуляризация (Lasso) может обнулять коэффициенты некоторых признаков, что прямо указывает на их малую значимость.
▪️Проверить значимости признаков
Методы статистического тестирования (например, t-тест для каждого признака) могут показать, являются ли коэффициенты значимыми. Если какой-то признак незначим, его вклад в предсказание минимален, и его можно исключить из модели.
#машинное_обучение
👍6
Forwarded from Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение
🤖 6 основных алгоритмов машинного обучения: руководство для начинающих
В новой статье мы расскажем о шести основных алгоритмах машинного обучения и их практическом применении в различных отраслях.
Вот алгоритмы, которые мы рассмотрим:
🔹линейная регрессия;
🔹SVM;
🔹дерево решений;
🔹случайный лес;
🔹наивный байес;
🔹логистическая регрессия.
🔗 Читать статью
В новой статье мы расскажем о шести основных алгоритмах машинного обучения и их практическом применении в различных отраслях.
Вот алгоритмы, которые мы рассмотрим:
🔹линейная регрессия;
🔹SVM;
🔹дерево решений;
🔹случайный лес;
🔹наивный байес;
🔹логистическая регрессия.
🔗 Читать статью
🔥6
👆Небольшая памятка по основным алгоритмам машинного обучения и их гиперпараметрам👆
▪️Линейная регрессия
Параметр регуляризации (например, альфа для Ridge/Lasso регрессии).
▪️Логистическая регрессия
Параметр C (обратная сила регуляризации), штраф (L1, L2).
▪️Дерево решений
Глубина дерева (Max_depth), минимальное количество образцов для разделения (min_samples_split), минимальное количество образцов на лист (min_samples_leaf), критерий разделения (criterion).
▪️K-Nearest Neighbors (KNN)
Количество соседей (n_neighbors), веса (weights), метрика (metric).
▪️Support Vector Machines (SVM)
Параметр C, ядро (kernel), гамма (gamma), степень (для полиномиального ядра).
▪️Линейная регрессия
Параметр регуляризации (например, альфа для Ridge/Lasso регрессии).
▪️Логистическая регрессия
Параметр C (обратная сила регуляризации), штраф (L1, L2).
▪️Дерево решений
Глубина дерева (Max_depth), минимальное количество образцов для разделения (min_samples_split), минимальное количество образцов на лист (min_samples_leaf), критерий разделения (criterion).
▪️K-Nearest Neighbors (KNN)
Количество соседей (n_neighbors), веса (weights), метрика (metric).
▪️Support Vector Machines (SVM)
Параметр C, ядро (kernel), гамма (gamma), степень (для полиномиального ядра).
👍10
👾 -35% на хардкорный курс по вышмату
На курсе вы получите все необходимые знания для старта карьеры в DS или аналитике – https://proglib.io/w/b10d5805
19 490 рублей29 990 рублей
Что еще вас ждет на курсе:
▪️ Полугодовая программа от преподавателей ВМК МГУ;
▪️ 150 практических заданий и 47 видеолекций;
▪️ Бессрочный доступ ко всем материалам курса;
▪️ Развернутая обратная связь по всем домашним заданиям, а также ссылки на полезные дополнительные материалы.
🌚 Переходите на сайт, читайте подробности и заходите на обучение по самым выгодным условиям – https://proglib.io/w/b10d5805
На курсе вы получите все необходимые знания для старта карьеры в DS или аналитике – https://proglib.io/w/b10d5805
19 490 рублей
Что еще вас ждет на курсе:
▪️ Полугодовая программа от преподавателей ВМК МГУ;
▪️ 150 практических заданий и 47 видеолекций;
▪️ Бессрочный доступ ко всем материалам курса;
▪️ Развернутая обратная связь по всем домашним заданиям, а также ссылки на полезные дополнительные материалы.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
Forwarded from Библиотека питониста | Python, Django, Flask
🐍🔍 7 малоизвестных возможностей стандартной библиотеки Python
Стандартная библиотека Python — это кладезь возможностей. Мы представляем семь недооценённых модулей, которые помогут вам улучшить организацию данных, оптимизировать производительность и упростить распространение ваших программ.
🔗 Читать обо всём в статье
Стандартная библиотека Python — это кладезь возможностей. Мы представляем семь недооценённых модулей, которые помогут вам улучшить организацию данных, оптимизировать производительность и упростить распространение ваших программ.
🔗 Читать обо всём в статье
✍️ Решение задачи про палиндром
Условие:
Фраза является палиндромом, если, после преобразования всех заглавных букв в строчные и удаления всех неалфавитных символов, она читается одинаково слева направо и справа налево. Алфавитные символы включают буквы и цифры.
Напишите функцию, которая принимает на вход строку
Решение выше👆
Условие:
Фраза является палиндромом, если, после преобразования всех заглавных букв в строчные и удаления всех неалфавитных символов, она читается одинаково слева направо и справа налево. Алфавитные символы включают буквы и цифры.
Напишите функцию, которая принимает на вход строку
s
и возвращает True
, если это палиндром, и False
, если это не палиндром. Решение выше👆
👍3
🤖 Напоминаем, что у нас есть еженедельная email-рассылка, посвященная последним новостям и тенденциям в мире искусственного интеллекта.
В ней:
● Новости о прорывных исследованиях в области машинного обучения и нейросетей
● Материалы о применении ИИ в разных сферах
● Статьи об этических аспектах развития технологий
● Подборки лучших онлайн-курсов и лекций по машинному обучению
● Обзоры инструментов и библиотек для разработки нейронных сетей
● Ссылки на репозитории с открытым исходным кодом ИИ-проектов
● Фильмы, сериалы и книги
👉Подписаться👈
В ней:
● Новости о прорывных исследованиях в области машинного обучения и нейросетей
● Материалы о применении ИИ в разных сферах
● Статьи об этических аспектах развития технологий
● Подборки лучших онлайн-курсов и лекций по машинному обучению
● Обзоры инструментов и библиотек для разработки нейронных сетей
● Ссылки на репозитории с открытым исходным кодом ИИ-проектов
● Фильмы, сериалы и книги
👉Подписаться👈
Forwarded from Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение
🤖🆓13 опенсорсных инструментов для ИИ-разработчиков
Готовы прокачать свои проекты? Эти 13 инструментов помогут вам не просто ускорить разработку, а сделать её по-настоящему качественной.
👉 Все инструменты перечислены в нашей статье
Готовы прокачать свои проекты? Эти 13 инструментов помогут вам не просто ускорить разработку, а сделать её по-настоящему качественной.
👉 Все инструменты перечислены в нашей статье