Eventdescription

Заняття 1. Вступ до Data Science. Основи Python

Вступ до Machine Learning та Data Science

Знайомство з мовою програмування Python
- Огляд прикладів застосування Python в аналізі даних та основних бібліотек
- Установка Anaconda, середовище Jupyter Notebook
- Можливості застосування платформи Google Colaboratory

Синтаксис, типи даних, оператори, цикли, функції
- Типи даних, змінні, логічні вирази
- Умовні оператори, множинне розгалуження
- Цикли
- Незмінювані та змінювані колекції: кортежі, множини, списки, словники; list comprehension
- Функції

Модуль NumPy
- Багатовимірні масиви, їх створення
- Робота з масивами
- Корисні функції

Модуль Pandas
- Основні типи даних: Series, DataFrame
- Читання і запис
- Базові операції, індексація та селекція
- Групування і агрегація
- Зведені таблиці

Візуалізація даних в Python
- МодульMatplotlib
- Модуль Seaborn

Практичний блок: розв'язання задач

14.03.2020
21.03.2020, 10:00 - 17:00

Заняття 2-3. Математика та статистика для аналізу даних

Лінійна алгебра, n-вимірний векторний простір
- Базові поняття: матриця, визначник, n-вимірний лінійний векторний простір
- Матричні операції; обернена матриця
- Векторна алгебра: вектор, норма вектора, кут між векторами, скалярний добуток
- Розв'язання задач з використанням модуля NumPy

Основи математичного аналізу, методи оптимізації. Модуль SciPy
- Функція, способи задання, графік; види функцій
- Поняття похідної, формули та правила диференціювання; застосування похідної - Функція багатьох змінних; частинні похідні, похідна за напрямом, градієнт
- Методи оптимізації: градієнтний спуск та його модифікації
- Модуль SciPy: чисельні методи, оптимізація

Основи теорії ймовірностей
- Випадкові події, ймовірність, основні формули
- Випадкові величини, числові характеристики
- Основні закони розподілу: біноміальний, рівномірний, нормальний, експоненційний
- Двовимірна випадкова величина; числові характеристики, поняття коваріації та кореляції

Статистичний аналіз та візуалізація
- Види даних, генеральна сукупність і вибірка. Обробка первинного статистичного матеріалу, графічне представлення
- Числові характеристики: центральної тенденції (середнє, мода, медіана), положення (квантилі), розсіювання (дисперсія, стандартне відхилення, розмах, інтерквартильний розмах, коефіцієнт варіації), форми (асиметрія, ексцес); коробчаста діаграма
- Математична статистика вивідна: оцінка параметрів та перевірка статистичних гіпотез

Практичний блок: статистичний аналіз та візуалізація даних з допомогою пакетів Pandas, SciPy, Matplotlib, Seaborn на прикладі заданого датасету

04.04.2020
11.04.2020, 10:00 - 17:00
Заняття 4-5. Навчання з учителем (supervised learning): задачі регресії

Види машинного навчання та основні поняття

Лінійна регресія
- Задача регресії, функція витрат
- Градієнтний спуск у випадку лінійної регресії, стохастичний градієнтний спуск

Оцінка якості алгоритму, перенавчання та методи регуляризації
- Метрики в задачах регресії
- Underfitting/overfitting
- Методи регуляризації, Ridge та LASSO регресія
- Крос-валідація, підбір гіперпараметрів

Робота зі змінними: нелінійні перетворення, масштабування, кодування категоріальних змінних, методи заповнення пропусків

Дерева рішень

Метод k найближчих сусідів

Ансамблеві методи
- Випадковий ліс (random forest)
- Градієнтний бустінг

Практичний блок: розв'язання задачі регресії на реальних даних, повний цикл побудови моделі

25.04.2019, 10:00 - 17:00
Заняття 6. Навчання з учителем (supervised learning): задачі класифікації. Базові підходи до роботи з текстовими даними.

Задачі класифікації: бінарна та мультикласова класифікація

Лінійні моделі
- Логістична регресія і метод максимальної правдоподібності
- Метрики в задачах класифікації
- Точність, повнота та їх поєднання
- Регуляризація логістичної регресії

Робота з текстовими ознаками
- Мішок слів (bag-of-words)
- Tf-idf кодування
- Наївний баєсівський класифікатор

Дерево рішень та метод k найближчих сусідів у випадку класифікації

Ансамблеві методи в задачах класифікації
- Випадковий ліс (random forest)
- Градієнтний бустінг

Практичний блок: розв'язання задачі класифікації на реальних даних, повний цикл побудови моделі

show full info show less info

Who's going?

All visitors
From Lviv
Friends
Friends(?)
To see your friends at the event, log in via facebook

Mymeetings

Download the 2Event mobile app

For organizers and visitors of the events:
  • All events and tickets online
  • List of all visitors
  • Dating and appointments
  • Search fellows, travelers and roommates

Organizerinfo

5
events
5
visitors
Visit website
Share event

Or send an invitation to your friends.

Send invitation
Location
Appointment
Meeting place:
  • Tables
  • Tables
  • Tables
  • Tables
  • Tables
  • Tables
  • Tables
Date:
Date:
Comment:

Subscribe for actions and announcements

City of interest

  • Lviv
  • Kharkiv
  • Dnipro
  • Odesa
  • Kyiv
  • Lviv
  • Kharkiv
  • Dnipro
  • Odesa
  • Kyiv

Categories

Chat
Aleksandra Mironova
Odessa
online
Aleksandra
22:16
Hey. Do you want to go with me to the speech of Architects?
Aleksandra
22:17
Hey. Yes of course. This is my favorite band. just tell me a little about yourself first
Aleksandra
22:18
ok)) give me a minute...
Aleksandra is typing . . .
У вас вже є квиток на цю подію?

Перед тим як створити план поїздки та переглядати доступний транспорт, будь ласка, придбайте квиток на подію

Я буду на цій події Купити квиток
Login
or
New user? Register
Register
or
Read
If you already have account on 2Event - please login. Login
Reset password
Create password
Future feature
This feature will appear in the near future.
Back to home
Вітаємо
Ви успішно підписались на анонси та знижки від 2event. Приєднуйтесь до нас і в соц. мережах
Error
Wrong email
Back to home
Select city
Select country
Add to Gallery