После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
Kaggle — самая известная платформа для соревнований по Data Science. Участие в таких соревнованиях даёт возможность работать с реальными наборами данных, исследовать разнообразные задачи машинного обучения, соревноваться с другими участниками и приобретать бесценный практический опыт. В этом курсе вы узнаете, как подходить к соревнованиям по Data Science и выстраивать работу над ними. Вы научитесь выбирать правильную схему локальной валидации и избегать переобучения. Кроме того, вы освоите продвинутые техники конструирования признаков и ансамблирования моделей. Все эти методы вы отработаете на наборах данных из соревнований Kaggle.
Предварительные требования
Программа
План курса
1
Процесс соревнований на Kaggle
В первой главе вы познакомитесь с процессом соревнований на Kaggle. Вы обучите модель и подготовите CSV-файл для отправки решения. Вы узнаете разницу между публичной и приватной частями тестовой выборки, а также научитесь избегать переобучения.
- Обзор соревнований50 XP
- Изучение обучающих данных100 XP
- Изучение тестовых данных100 XP
- Подготовьте первую заявку на участие50 XP
- Определите тип задачи50 XP
- Обучение простой модели100 XP
- Подготовка файла для отправки100 XP
- Публичный и приватный лидерборды50 XP
- Какая модель переобучается?50 XP
- Обучение моделей XGBoost100 XP
- Исследование переобучения XGBoost100 XP
2
Погружение в соревнование
Теперь, зная основы соревнований на Kaggle, вы научитесь детально изучать конкретную задачу. Вы попрактикуетесь в разведочном анализе данных и освоите правильные стратегии локальной валидации. Также вы узнаете об утечке данных.
3
Конструирование признаков
В этой главе вы познакомитесь с различными типами признаков. Вы будете модифицировать существующие признаки и создавать новые, а также научитесь корректно обрабатывать пропущенные данные.
4
Моделирование
Пришло время объединить всё изученное и построить модели! В заключительной главе вы создадите базовую модель, затем настроите гиперпараметры и улучшите результаты с помощью ансамблей. В конце вас ждут полезные советы и приёмы, которые помогут участвовать в соревнованиях эффективнее.
Победа в соревновании Kaggle на Python
Курс
завершён
