Проект по науке о данных и машинному обучению: анализ здоровья с помощью Python

Исходные данные ценны только в том случае, если вы знаете, как извлекать из них полезную информацию и делать точные прогнозы. Этот курс познакомит вас с основами науки данных и машинного обучения с помощью практического проекта анализа, ориентированного на здоровье. Вы пройдете путь от понимания основных статистических понятий до создания модели прогнозирования, которая анализирует показатели здоровья. Работая со структурированными данными, вы научитесь очищать необработанные данные, выполнять исследовательский анализ данных и обучать алгоритм машинного обучения для прогнозирования результатов. Что вы узнаете: - Понять основные концепции науки данных, статистические термины и рабочие процессы машинного обучения - Проведение предварительного анализа данных для выявления скрытых закономерностей и корреляций в наборе данных о здоровье - Очистить и подготовить необработанные данные с использованием современных библиотек Python и конвейеров структурированных данных - применять статистические методы для проверки допущений и понимания распределения данных - Создание, обучение и оценка моделей машинного обучения для задач двоичной классификации - Внедрение передовых методов современного кодирования, включая указание типов, для воспроизводимой обработки данных Курс начинается с основных терминов, статистики и настройки среды, а затем вы пройдете пошаговую предварительную обработку данных, исследовательский анализ и обучение модели. В конце курса вы узнаете, как оценивать производительность модели и интерпретировать результаты. Этот курс предназначен для начинающих, которые хотят получить практическое, основанное на проектах введение в науку данных и машинное обучение. Не требуется предыдущий опыт в статистике или программировании. Начните читать сегодня, чтобы создать свой первый проект предсказывающего машинного обучения с нуля.