Траектория обучения data science: Kaggle. Анализ данных и машинное обучение с Scikit-learn

✅О курсе «Траектория обучения data science: Kaggle» – это популярная социальная сеть для специалистов в области анализа данных, а также платформа для организации конкурсов по исследованию данных, открытое хранилище наборов данных, облачная среда для программирования и многое другое. В ходе курса вы познакомитесь с основными возможностями Kaggle, выполните свои первые задания и узнаете, как извлечь пользу из взаимодействия с данной платформой. Цель этого курса – научить вас свободно взаимодействовать с Kaggle для достижения целей, связанных с анализом данных и машинным обучением. Также вас ждёт ряд занимательных практических заданий на языке Python, выполнение которых приблизит вас к статусу Kaggle master. Курс ориентирован на аудиторию, интересующуюся data science и обладающую базовыми знаниями в области программирования (не обязательно на Python) и английского языка. ✅ Вебинар V: “Анализ данных и машинное обучение с Scikit-learn Первая часть вебинара будет посвящена введению в машинное обучение. Вы узнаете: - какие практические задачи возможно решить при помощи машинного обучения, а какие – нет; - на какие классы подразделяются задачи машинного обучения и какие из них чаще всего встречаются на Kaggle; - почему алгоритмов машинного обучения так много и как выбрать подходящий? Вторая часть вебинара будет посвящена обзору функциональности библиотеки scikit-learn, а также решению конкретной задачи машинного обучения с применением данной библиотеки. ✅ Спикер: Виктория Федотова Виктория — ведущий инженер в Intel, занимается разработкой и оптимизацией алгоритмов анализа данных и машинного обучения в проекте oneAPI Data Analytics Library. Виктория имеет 10 летний опыт в оптимизации программного обеспечения, в том числе 8 лет в области анализа данных и машинного обучения.