Descargar "Data Science пример задачи кредитного скоринга / Урок построения модели ML на python"

Portada del audio

Espere un momento, estamos preparando los enlaces para la visualización y descarga del vídeo sin anuncios.

Vídeo siguiente: Различие между Искусственным Интеллектом, Машинным обучением и Глубоким обучением

0:00

Задача кредитного скоринга

0:25

Что необходимо сделать перед построением модели

0:44

Загрузка данных и предварительный анализ

4:07

Главная фишка EDA анализа!!!!! Как делать EDA?

5:29

Рассматриваем гипотезы

6:13

Анализируем целевую переменную (таргет) / Дисбаланс классов

7:11

Первая гипотеза. Распределение возраста в разрезе таргета (seaborn), нормализуем данные

8:11

Вторая гипотеза. Распределение возраста в разрезе образования / boxplot

10:10

Корреляция признаков

10:30

Третья гипотеза. Анализ зарплат в разрезе таргета / образования

12:33

Feature engineering (генерация фичей), как его делать, какие могут быть новые признаки, что делать с признаком типа дата-время, логарифмирование

15:07

Построение модели машинного обучения. 1 этап - бейзлайн (Logistic Regression)

16:46

Как интерпретировать и использовать метрики precision, recall, roc-auc

17:41

Строим roc-auc curve

18:03

Подбор параметров модели с использованием GridSearch

18:40

Сравниваем результаты на графике roc-auc / анализируем метрики

19:32

Анализ важных признаков после обучения модели

20:02

Используем для анализа важных признаков библиотеку shap / Интерпретирует результаты

22:30

Коэффициенты логистической регрессии

23:27

Сравнение важных признаков в разных классов (визуализация различий)

Различие между Искусственным Интеллектом, Машинным обучением и Глубоким обучением

Различие между Искусственным Интеллектом, Машинным обучением и Глубоким обучением

Canal: Etudarium

дата сайентист

data science

data scientist

career in tech

работа в big data

data science interview

саморазвитие

sillicon valley

основы программирования

как проходить интервью

аналитик

Yandex

анализ данных

datascience

карьера в data science

Sysml

data analyst

ods

open data science

машинное обучение

miracl6

PyMagic

deep learning

perceptron

нейронные сети

глубокое обучение

нейронки

нейросеть

pytorch

функция активации

сигмоида

релу

relu

python

Ya tiene instalado el UDL Helper. ¡Puedes descargar vídeo en 1 clic!

para

Google Chrome

Descripción:

Авторский курс по Data Science для начинающих https://pymagic.ru/ Код на Boosty https://boosty.to/miracl6/posts/96b1fe98-d4ea-455c-b1a1-670a2b90668b?share=post_link Разбираем задачу по Data Science кредитный скоринг с использованием модели логистической регрессии. Учимся грамотно подходить к разведочному анализу данных EDA, а также обучать модель ML и интерпретировать результаты для бизнеса. Новая группа ВКонтакте https://vk.com/pymagic Датасет https://www.kaggle.com/c/sf-dst-scoring Таймкоды: 00:00 Задача кредитного скоринга 00:25 Что необходимо сделать перед построением модели 00:44 Загрузка данных и предварительный анализ 04:07 Главная фишка EDA анализа!!!!! Как делать EDA? 05:29 Рассматриваем гипотезы 06:13 Анализируем целевую переменную (таргет) / Дисбаланс классов 07:11 Первая гипотеза. Распределение возраста в разрезе таргета (seaborn), нормализуем данные 08:11 Вторая гипотеза. Распределение возраста в разрезе образования / boxplot 10:10 Корреляция признаков 10:30 Третья гипотеза. Анализ зарплат в разрезе таргета / образования 12:33 Feature engineering (генерация фичей), как его делать, какие могут быть новые признаки, что делать с признаком типа дата-время, логарифмирование 15:07 Построение модели машинного обучения. 1 этап - бейзлайн (Logistic Regression) 16:46 Как интерпретировать и использовать метрики precision, recall, roc-auc 17:41 Строим roc-auc curve 18:03 Подбор параметров модели с использованием GridSearch 18:40 Сравниваем результаты на графике roc-auc / анализируем метрики 19:32 Анализ важных признаков после обучения модели 20:02 Используем для анализа важных признаков библиотеку shap / Интерпретирует результаты 22:30 Коэффициенты логистической регрессии 23:27 Сравнение важных признаков в разных классов (визуализация различий) Instagram* https://www.facebook.com/unsupportedbrowser Группы в ВКонтакте https://vk.com/pymagic Telegram https://t.me/pymagic *Компания Meta - организация, деятельность которой запрещена на территории Российской Федерации

Preparación de las opciones de carga

Populares

Vídeo HD

Sólo sonido

Todos

* - Si el vídeo se está reproduciendo en una pestaña nueva, ve a ella, haz clic con el botón derecho del ratón en el vídeo y selecciona “Guardar vídeo como...”

** - Enlace destinado a la reproducción en línea en reproductores especializados

Preguntas sobre la descarga de vídeos

¿Cómo puedo descargar el vídeo "Data Science пример задачи кредитного скоринга / Урок построения модели ML на python"?

El sitio http://unidownloader.com/ es la mejor manera de descargar un vídeo o una pista de audio independiente sin necesidad de instalar programas ni extensiones.
La extensión UDL Helper es un práctico botón que se incrusta orgánicamente en los sitios YouTube, Instagram y OK.ru para descargar contenidos rápidamente.
UDL Client (para Windows) - la solución más potente que soporta más de 900 sitios web, redes sociales y sitios de alojamiento de vídeo, así como cualquier calidad de vídeo que está disponible en la origen.
UDL Lite - es una forma cómoda de acceder a un sitio web desde su dispositivo móvil. Con su ayuda puedes descargar fácilmente vídeos directamente a tu smartphone.

¿Qué formato de vídeo "Data Science пример задачи кредитного скоринга / Урок построения модели ML на python" debo elegir?

Los formatos de mejor calidad son FullHD (1080p), 2K (1440p), 4K (2160p) y 8K (4320p). Cuanto mayor sea la resolución de tu pantalla, mayor será la calidad del vídeo. Sin embargo, hay otros factores a tener en cuenta: la velocidad de descarga, la cantidad de espacio libre y el rendimiento del dispositivo durante la reproducción.

¿Por qué se congela el ordenador al cargar un vídeo "Data Science пример задачи кредитного скоринга / Урок построения модели ML на python"?

El navegador/ordenador no debería congelarse por completo. Si esto ocurre, por favor infórmenos con un enlace al vídeo. A veces los vídeos no pueden descargarse directamente en un formato adecuado, por lo que hemos añadido la posibilidad de convertir el archivo al formato deseado. En algunos casos, este proceso puede consumir recursos del ordenador.

¿Cómo descargo un vídeo "Data Science пример задачи кредитного скоринга / Урок построения модели ML на python" en mi teléfono?

Puedes descargar el vídeo a tu smartphone utilizando el sitio web de UDL Lite o la aplicación PWA. También es posible enviar un enlace de descarga mediante código QR utilizando la extensión UDL Helper.

¿Cómo descargo una pista de audio (música) en MP3 "Data Science пример задачи кредитного скоринга / Урок построения модели ML на python"?

La forma más conveniente es usar el UDL Client, que soporta la conversión de vídeos a formato MP3. En algunos casos, MP3 también puede ser descargado a través de la extensión UDL Helper.

¿Cómo guardar un fotograma de un vídeo "Data Science пример задачи кредитного скоринга / Урок построения модели ML на python"?

Esta función está disponible en la extensión UDL Helper. Asegúrate de que la opción "Mostrar botón para guardar captura de pantalla del vídeo" está marcada en la configuración. Deberá aparecer un icono de cámara en la esquina inferior derecha del reproductor, a la izquierda del icono "Configuración". Al hacer clic en él, el fotograma actual del vídeo se guardará en su ordenador en formato JPEG.

¿Cuánto cuesta todo esto?

Nada en absoluto. Nuestros servicios son totalmente gratuitos para todos los usuarios. No hay suscripciones PRO, ni restricciones en el número o la duración máxima de los vídeos descargados.