Uwaga! Braki w danych... w uczeniu maszynowym [WEBINAR] скачать в хорошем качестве

Uwaga! Braki w danych... w uczeniu maszynowym [WEBINAR]

🤔 Jak rozwiązać problem "dziurawych" danych? W prawdziwych projektach, żeby móc eksperymentować z niesamowitymi algorytmami uczenia maszynowego, dane muszą być odpowiednio przygotowane! A jednym z bardzo częstych problemów występujących w rzeczywistych danych jest to, że są "dziurawe". Innymi słowy, występują w nich tzw. braki danych, co może powodować wiele komplikacji. Podczas webinaru omówimy problematykę stosowania algorytmów uczenia maszynowego do danych zawierających braki, a w szczególności: 👉 Jakie są typy braków i jakie to ma znaczenie praktyczne? 👉 Czy algorytmy uczenia maszynowego mogą działać na danych z brakami? 👉 Czym jest imputacja braków danych i jakie są przykładowe techniki? 👉 Jaka jest profesjonalna metodologia wykonywania imputacji? 👉 Jak wygląda imputacja od strony inżynierskiej w bibliotece scikit-learn? ⭐ Wydarzenie poprowadzi Norbert Ryciak: Inżynier uczenia maszynowego, data scientist, edukator. W codziennej pracy rozwija i wdraża algorytmy uczenia maszynowego. Ma doświadczenie we wszystkich etapach projektów data science - począwszy od prac badawczych, poprzez rozwijanie powstających produktów opartych na uczeniu maszynowym, aż do produkcyjnego wdrożenia. Podejmuje również wiele działań dydaktycznych związanych z uczeniem maszynowym: jest autorem kursu "Uczenie Maszynowe Masterclass" oraz opiekunem merytorycznym kursu "Data Science Pro" i "Inżynier AI & ML" firmy Sages, a także prowadzi zajęcia na uczelniach i szkolenia komercyjne. Hobbistycznie pisze na temat uczenia maszynowego, więc warto obserwować na Linked.in