DPREP: Подготовка данных для Data Mining на Python — обучение по программе в России

Цель: познакомить участников с продвинутыми возможностями основных библиотек языка Python для обработки и визуализации данных и сформировать необходимые навыки по работе с данными в рассматриваемых библиотеках Теоретическая часть: изучение возможностей библиотек языка Python для обработки (Pandas, NumPy, SciPy, Sklearn) и визуализации (matplotlib, seaborn) данных. обзор основных приемов по работе с данными: первичный анализ данных получение описательных статистик изменение типа данных построение сводных таблиц визуализация статистических характеристик данных (гистограммы, графики плотностей распределений, тепловые карты, «ящики с усами» и «виолончели») Практическая часть: решение практических задач обработки и визуализации данных на примере табличных данных.

Цель: познакомить участников с основными особенностями в данных, с которыми приходится сталкиваться в реальных задачах, и научить успешно их корректировать с использованием библиотек языка Python. Продемонстрировать применение указанных подходов в случае промышленного варианта подготовки данных на примере использования Apache Spark (PySpark). Теоретическая часть: обзор типичных особенностей в данных и подходов к их корректировке: отсутствующие значения выбросы дубликаты подготовка данных для использования в алгоритмах машинного обучения: нормализация числовых данных преобразование категориальных значений работа с текстовыми данными Практическая часть: подготовка «сырых» данных для использования в алгоритме машинного обучения с подробным анализом влияния каждой особенности датасета на конечный результат работы алгоритма

Цель: познакомить участников с основными подходами получения дополнительных и наиболее значимых характеристик из исходных данных. Продемонстрировать влияние дополнительных признаков на улучшение метрик качества работы алгоритмов машинного обучения с использованием библиотеки Sklearn Теоретическая часть: обзор подходов формирования дополнительного признакового пространства и выбора наиболее значимых характеристик увеличение размерности исходного признакового пространства постановка задачи в случае обучения с учителем — с использованием целевой переменной постановка задачи в случае обучения без учителя уменьшение размерности исходного признакового пространства подробный анализ задачи увеличения размерности исходного признакового пространства в случае обучения с учителем: статистические методы фильтрации признаков в задачах классификации и регрессии методы машинного обучения как инструменты для получения наиболее значимых признаков в данных Практическая часть: решение прикладной задачи построения дополнительного признакового пространства и получения наиболее значимых признаков с подробным анализом влияния рассмотренных теоретических подходов на конечный результат работы алгоритмов машинного обучения

Цель: закрепить полученные слушателями курса знания по подготовке данных. Теоретическая часть: краткий обзор пройденного материала со ссылками на рабочие блокноты, в которых решалась та или иная задача подготовки данных. Практическая часть: самостоятельное решение задачи подготовки датасета для машинного обучения с использованием собственной базы данных или на лабораторном наборе от организаторов курса. Итоговый разбор работ слушателей курса.