Публикации по теме 'data-scientist'


Статья другого человека!
Мы в iDAF очень гордимся каждым из наших товарищей. И мы рады поделиться с вами еще одной статьей. Название: ПОДГОНКА МОДЕЛИ И ОБОБЩЕНИЕ Введение Целью построения модели машинного обучения (особенно в задачах классификации) является выявление основных закономерностей в обучающих данных и прогнозирование результатов нового наблюдения. Для построения модели требуются данные для обучения и тестирования. Модель изначально строится на обучающих данных, сопоставляя ее признаки с..
Распространенные заблуждения о машинном обучении
Вы слышите о машинном обучении . Но знаете ли вы, что правда, а что нет? Люди очарованы машинным обучением и искусственным интеллектом, но они в замешательстве. Транснациональные компании, такие как Facebook, Google и Amazon, первыми использовали машинное обучение. Google использовал его для размещения рекламы, а Facebook — для показа ленты сообщений. Тем не менее, есть некоторые недоразумения в отношении машинного обучения. Начнем с нескольких. 1. Любой может создать платформу..
Моя заявка на i4G 10 days of code challenge (день 8).
Задание 8. Объедините две таблицы. Мне очень понравилось сегодняшнее задание. Наверное, потому что мне было очень легко. Как специалист по данным, у меня большой опыт работы с SQL, поэтому эта задача была для меня более или менее легкой. Задача была легкой. Объедините две таблицы в одну. Не стесняйтесь читать описание ниже. Как только я выбрал правильный тип соединения для задачи и использовал правильные первичный и внешний ключи, я практически выполнил задачу. У..
За пределами точности: целостный подход к оценке производительности моделей машинного обучения
Почему точности недостаточно для оценки моделей ML Точность — это простой, но ограниченный показатель для оценки моделей машинного обучения. Он измеряет процент правильных прогнозов по сравнению с общим количеством прогнозов, сделанных моделью. Однако точность не учитывает сложность, надежность и справедливость моделей. Он также не отражает цели и ожидания конечных пользователей. Наконец, оно может быть обманчивым или манипулируемым. Сложность модели связана с ее способностью..
Искусство создания кода: взгляд специалиста по данным
В сфере науки о данных код служит основой, которая позволяет аналитикам и ученым раскрывать секреты, скрытые в огромных объемах данных. Именно с помощью кода обнаруживаются закономерности, делаются прогнозы и получаются идеи. Без кода сложные алгоритмы и статистические модели, которые управляют анализом данных, останутся бездействующими. Код позволяет специалистам по обработке данных преобразовывать необработанные данные в значимую информацию, предоставляя компьютеру набор инструкций,..
«Расшифровка ландшафта работы по науке о данных: понимание различных ролей и обязанностей»
В последние годы наука о данных стала модным словом, и эта область испытывает огромный рост и спрос. Однако из-за огромного количества должностей и обязанностей, связанных с наукой о данных, может быть сложно понять различия между ними. В этом сообщении блога мы разберем различные роли в науке о данных и прольем свет на то, что каждая из них влечет за собой. 1. Аналитик данных Аналитики данных отвечают за сбор, обработку и выполнение исследовательского анализа наборов данных...
Проекты по аналитике данных для начинающих
Привет всем, сегодня у нас есть несколько крутых очаровательных проектов в нашем списке, чтобы вы погрузились в океан концепций Data-Science с использованием языка Python и получили ценную информацию с помощью набора данных. Если вы хотите, вы можете пересмотреть Основы Python еще раз, нажав здесь . Здесь мы идем с самым первым проектом в нашем блоге, т.е. 1. Проект ML по классификации цветков ириса: Этот проект считается «Hello World👋🏼» машинного обучения. Набор данных..