Berloga - науки и технологии

Мусор на входе — мусор на выходе: как выйти из порочного круга в ML? Когда речь заходит о машинном обучении, все сразу начинают обсуждать алгоритмы, метрики и функции потерь. Между тем любые модели, даже самые навороченные нейросети, учатся на данных. От их качества напрямую зависит успех. Если подать шумные и «грязные» датасеты, то и результаты окажутся бессмысленными. Поэтому львиную долю времени специалисты ML и датасайентисты тратят на препроцессинг. Как облегчить себе жизнь и автоматизировать этот этап? В понедельник, 13 июля, в 19:00 мск команда Бластим проводит мастер-класс с биоинформатиком и программистом Александром Ильиным. Спикер покажет эффективные рабочие приемы, как с помощью Python готовить данные для подачи на вход моделям. Сосредоточимся на таблицах и разберем: • объединение разных файлов, унификацию форматов • обработку пропусков, выбросов, дубликатов и ошибок • шкалирование, кодирование категориальных переменных • конструирование признаков и обработку дат • деление выборки на трейн и тест, валидацию • рисование графиков и полезные библиотеки 🔗 Зарегистрироваться на сайте: Ссылка скрыта Или в боте: Ссылка скрыта Дополнительная возможность! До 18:00 мск 11 июля присылайте свои проблемные данные для разбора на вебинаре. Спикер выберет самые «грязные» датасеты и проведет их анализ в прямом эфире. Отправить 🖥