Data Science Учебники
Наука о данных предлагает всестороннюю программу для начинающих ученых и аналитиков данных. Наши учебные материалы охватывают статистический анализ, машинное обучение и визуализацию данных, подходящие как для начинающих, так и для учащихся среднего уровня. Через интерактивные лаборатории и практические задания по программированию вы получите практический опыт работы с реальными наборами данных. Наша песочница науки о данных позволяет вам применять свои навыки в динамичной онлайн-среде.
Расширенные типы данных PostgreSQL
В этой лабораторной работе вы изучите расширенные типы данных PostgreSQL, уделив особое внимание JSON/JSONB, массивам и UUID. Вы узнаете, как хранить, запрашивать и манипулировать данными в этих типах. Лабораторная работа охватывает хранение и запросы JSON/JSONB, создание столбцов массива и использование UUID в качестве идентификаторов.
PostgreSQL
Объяснение классификаторов дискриминантного анализа
Линейный и квадратичный дискриминантный анализ (LDA и QDA) — это два классических классификатора, используемых в машинном обучении. LDA использует линейную поверхность принятия решений, в то время как QDA использует квадратичную поверхность принятия решений. Эти классификаторы популярны, потому что имеют аналитические решения, хорошо работают на практике и не требуют настройки гиперпараметров.
Machine Learningscikit-learn
Обучение с учителем с использованием Scikit - Learn
В обучении с учителем мы хотим изучить связь между двумя наборами данных: наблюдаемыми данными X и внешней переменной y, которую мы хотим предсказать.
Machine Learningscikit-learn
Изучение наборов данных и оценщиков в Scikit-Learn
В этом практическом занятии мы изучим настройку и объект оценщика в Scikit-Learn, популярной библиотеке машинного обучения на Python. Мы узнаем о наборах данных, которые представляются в виде двумерных массивов, и о том, как их предобрабатывать для Scikit-Learn. Мы также изучим концепцию объектов оценщиков, которые используются для обучения на данных и для предсказания.
Machine Learningscikit-learn
Kernel Ridge Regression
В этом практическом занятии мы изучим Kernel Ridge Regression (KRR) и ее реализацию с использованием библиотеки scikit - learn в Python. KRR сочетает регрессию с риджем с ядровым трюком для обучения линейной функции в пространстве, индуцированном ядром. Это метод нелинейной регрессии, который может обрабатывать нелинейные зависимости между входными и выходными переменными.
Machine Learningscikit-learn
Выбор модели: выбор оценщиков и их параметров
В машинном обучении выбор модели - это процесс выбора наилучшей модели для заданного набора данных. Он включает в себя выбор соответствующего оценщика и настройку его параметров для достижения оптимальной производительности. Этот урок проведет вас через процесс выбора модели в scikit-learn.
Machine Learningscikit-learn
Линейные модели в Scikit - Learn
В этом практическом занятии мы исследуем линейные модели в Scikit - Learn. Линейные модели - это набор методов, используемых для задач регрессии и классификации. Они предполагают, что целевая переменная является линейной комбинацией признаков. Эти модели широко используются в машинном обучении из - за своей простоты и интерпретируемости.
Machine Learningscikit-learn
Управление символами и объединение подмодулей
Понять сложность импорта пакетов, управлять экспортируемыми символами с помощью `__all__`, экспортировать все из пакета и разделять модули для лучшей организации кода на Python.
Python
Изучите управляемые генераторы
Познакомьтесь с генераторами Python, создайте с их помощью планировщик задач, протестируйте планировщик, создайте сетевой сервер и реализуйте эхо-сервер, чтобы узнать о управляемых генераторах.
Python
Как представляются объекты
Узнайте, как объекты представляются в Python. Создайте простой класс акций, исследуйте внутренние словари объектов, добавляйте и изменяйте атрибуты, а также понять отношения между классами и экземплярами.
Python
Практическое применение наследования
Понять проблему, создать базовый класс и изменить функцию вывода, реализовать конкретный форматер, создать дополнительные форматеры и построить фабричную функцию, чтобы изучить практическое применение наследования в Python.
Python
Исследование модели памяти объектов первого класса в Python
Понять, что такое объекты первого класса в Python, создать вспомогательную функцию для обработки CSV - файлов, исследовать модель памяти Python и узнать о столбцовом хранении данных, чтобы исследовать модель памяти объектов первого класса в Python.
Python
Определение простого класса
Добавьте метод продажи (sell method) в класс Stock, прочитайте портфель из CSV - файла и отформатируйте и выведите данные о портфеле на Python.
Python
Приватные атрибуты и свойства (Private Attributes and Properties)
Реализация приватных атрибутов, преобразование методов в свойства (properties), реализация валидации свойств (property validation), использование __slots__ для оптимизации памяти (memory optimization) и согласование валидации типов (type validation) с переменными класса (class variables) в Python.
Python
Переопределение специальных методов
Улучшите представление объектов с помощью `__repr__`, сделайте объекты сравнимыми с использованием `__eq__` и создайте менеджер контекста, переопределив специальные методы в Python.
Python
Создание нового примитивного типа
Создайте базовый класс MutInt, улучшите его строковое представление, добавьте математические и операции сравнения, а также реализуйте преобразования типов, чтобы создать новый примитивный тип в Python.
Python
Создание пользовательского контейнера
Понять распределение памяти в списках и словарях, оптимизировать память с использованием столбцовой организации данных, создать пользовательский контейнерный класс и улучшить его для работы со срезами в Python.
Python
Итерируйте как профессионал
Освойте базовую итерацию и распаковку последовательностей, используйте функции enumerate() и zip(), а также изучите генераторные выражения для экономии памяти в Python.
Python
- Предыдущий
- 1
- 2
- 3
- 4
- 5
- 6
- ...
- 233
- Следующий