Описівенту

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

Дізнатися більше сховати

Хто йде?

Всі відвідувачі
З Lviv
Друзі
Друзі(?)
Щоб побачити своїх друзів на заході, увійдіть через Facebook

Моїзустрічі

Завантажуйте мобільний додаток 2Event

Для організаторів та відвідувачів івентів:
  • Афіша подій та квитки онлайн
  • Список усіх відвідувачів
  • Знайомства та призначення зустрічей
  • Пошук попутників і співмешканців

Organizerinfo

5
івентів
5
відвідувачів

компанія:Edu4You

телефон:+380979173215

пошта:info@edu4you.com.ua

Переглянути сайт
Поділитись подією

Або надішліть запрошення своїм друзям.

Надіслати
Location
Appointment
Meeting place:
  • Tables
  • Tables
  • Tables
  • Tables
  • Tables
  • Tables
  • Tables
Date:
Date:
Comment:

Підписатися на знижки і анонси

Місто, яке мене цікавить

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

Категорії

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
Вхід
Новий користувач? Зареєструватись
Зареєструватись
Читати
Якщо у вас вже є акаунт на 2Event - будь ласка, залогіньтесь. Вхід
Скинути пароль
Create password
Майбутня функція
Ця функція з'явиться найближчим часом.
На головну
Вітаємо
Ви успішно підписались на анонси та знижки від 2event. Приєднуйтесь до нас і в соц. мережах
Error
Wrong email
На головну
Виберіть місто
Виберіть країну
Add to Gallery