Name: Обучение с учителем с помощью scikit-learn
Rating: 4.800204452521581 (8804 reviews)

Описание курса

Развивайте навыки машинного обучения с помощью scikit-learn и узнайте, как использовать эту популярную библиотеку Python для обучения моделей на размеченных данных. В этом курсе вы научитесь делать точные прогнозы: например, уйдёт ли клиент от вашей компании, есть ли у человека диабет и как определить жанр музыкального трека. Работая с реальными наборами данных, вы освоите построение прогностических моделей, настройку их параметров и оценку качества на новых данных.Видеолекции содержат субтитры, которые можно открыть, нажав «Show transcript» в нижнем левом углу плеера. Глоссарий курса доступен справа в разделе ресурсов.Для получения CPE-кредитов необходимо пройти курс и набрать не менее 70% на итоговом тесте. Перейти к тесту можно, нажав на блок CPE credits справа.

Предварительные требования

Introduction to Statistics in Python

Программа

Структура курса

Классификация

В этой главе вы познакомитесь с задачами классификации и научитесь решать их с помощью методов обучения с учителем. Вы узнаете, как разбивать данные на обучающую и тестовую выборки, обучать модель, делать прогнозы и оценивать точность. Вы изучите связь между сложностью модели и её качеством и применит полученные знания на наборе данных об оттоке клиентов, где предстоит определить, покинет ли клиент телекоммуникационную компанию.

Начать главу

Регрессия

В этой главе вы познакомитесь с регрессией и построите модели для прогнозирования объёма продаж на основе данных о рекламных расходах. Вы изучите принципы линейной регрессии и распространённые метрики качества, такие как R-квадрат и среднеквадратичная ошибка. Вы выполните k-кратную перекрёстную проверку и применит регуляризацию к регрессионным моделям, чтобы снизить риск переобучения.

Начать главу

Тонкая настройка модели

Обучив модели, вы научитесь их оценивать. В этой главе вы познакомитесь с несколькими метриками и методом визуализации для анализа качества моделей классификации с помощью scikit-learn. Вы также узнаете, как оптимизировать модели классификации и регрессии с помощью подбора гиперпараметров.

Начать главу

Предобработка данных и конвейеры

Узнайте, как заполнять пропущенные значения, преобразовывать категориальные данные в числовые, масштабировать данные, одновременно оценивать несколько моделей обучения с учителем и строить конвейеры для автоматизации рабочего процесса!