Содержание курса
1. "Увидеть" числовой датасет
6 уроков
13 744
6 754
69м
143
Закрытый
1.1
"Увидеть" столбец чисел
↗
4 795
1 688
54м 56с
64
Закрытый
1.2
Визуализация пары столбцов
↗
2 729
1 243
5м 28с
30
Закрытый
1.3
Визуализация трех столбцов
↗
1 928
894
5м 58с
16
Закрытый
1.4
Визуализация четырех столбцов
↗
1 630
1 154
0м 17с
11
Закрытый
1.5
Терминология
↗
1 645
1 077
2м 39с
12
Открытый
1.6
Вопросы по части 1
↗
1 017
698
2м 24с
10
2. Минимальная подготовка данных в Pandas
8 уроков
11 824
7 531
18м
45
Закрытый
2.1
Загрузка данных 3 минуты
↗
2 020
1 100
2м 51с
6
Закрытый
2.2
Просмотр данных 5 минут
↗
1 762
1 094
2м 35с
9
Открытый
2.3
Удаление столбцов 3 минуты
↗
1 654
1 042
2м 8с
4
Открытый
2.4
Заполнение пустых ячеек 3 мин
↗
1 552
1 056
2м 39с
7
Открытый
2.5
Обучающий и тестовый датасет 4 мин
↗
1 503
843
4м 21с
0
Открытый
2.6
Знакомство с XGBoost 3 мин
↗
1 393
970
1м 10с
3
Открытый
2.7
Преобразования категориальных признаков
↗
1 226
837
3м 19с
13
Открытый
2.8
Вопросы по части 2
↗
714
589
2м 48с
3
3. Задача регрессии
4 урока
4 665
2 997
13м
12
Открытый
3.1
Что такое задача регрессии?
↗
1 365
883
1м 14с
10
Открытый
3.2
Метрики в задачах регрессии
↗
1 206
576
10м 58с
-12
Открытый
3.3
Sklearn для регрессии
↗
1 126
700
2м 37с
10
Открытый
3.4
XGBoost для регрессии
↗
968
838
0м 26с
4
4. Задача классификации
3 урока
3 130
2 449
2м
-1
Открытый
4.1
Что такое задача классификации?
↗
1 115
697
1м 56с
-3
Открытый
4.2
Метрики классификации
↗
1 024
761
1м 5с
2
Открытый
4.3
Sklearn для классификации
↗
991
991
0м 2с
0