Описание
Исследование и визуализация табличных данных (pandas, matplotlib), основы подгонки данных (scikit-learn), k-ближайших соседей, линейная регрессия, деревья решений, предварительная обработка данных, метрики оценки моделей, переобучение vs недообучение, смещение/дисперсия, кросс-валидация, введение в нейронные сети, настройка гиперпараметров, отбор признаков, важность признаков.
Предварительные требования
- Требование(я): зачисление в программу M.Eng.- Software Engineering Practice.
Условия и порядок
- Требование(я): зачисление в программу M.Eng.- Software Engineering Practice.
Текст источника на языке оригинала
Tabular data exploration and visualization (pandas, matplotlib), data-fitting basics (scikit-learn), k-nearest neighbours, linear regression, decision trees, data pre-processing, model evaluation metrics, overfitting vs underfitting, bias/variance, cross-validation, introduction to neural networks, hyperparameter tuning, feature selection, feature importance.
- Prerequisite(s): enrolment in the M.Eng.- Software Engineering Practice program.
Источники и ссылки
Даты и источники сохраняются, чтобы помочь вам проверить сведения. Переводы предлагаются для удобства чтения; официальным источником для условий и требований является оригинал.
Исходная ссылка : https://calendar.carleton.ca/grad/courses/EGEN/