-
Случайный лес (Random Forest): механика алгоритма, Бутстрэп-агрегирование, out-of-bag оценка
Random Forest или Случайный лес — это ансамблевый алгоритм машинного обучения, объединяющий множество деревьев решений для повышения точности и устойчивости предсказаний. Алгоритм был предложен Лео Брейманом в 2001 году и с тех пор стал одним из наиболее используемых методов в задачах…
-
Матрица ковариаций: проблемы выборочной оценки
Матрица ковариаций занимает центральное место в портфельной оптимизации, риск-менеджменте и построении торговых стратегий. Оценка этой матрицы по историческим данным кажется тривиальной задачей, но на практике приводит к серьезным проблемам. Выборочная оценка работает корректно только при выполнении жестких условий: Большой объем данных…
-
Библиотека SciPy: оптимизация, статистика и численные методы в Python
SciPy представляет собой фундаментальную библиотеку для научных и инженерных вычислений в Python. Она расширяет возможности NumPy, добавляя алгоритмы оптимизации, статистического анализа, обработки сигналов и численных методов. В отличие от базовых операций с массивами, SciPy предоставляет готовые решения для сложных математических задач:…
-
Метод нелинейного снижения размерности t-SNE
Высокая размерность данных создает фундаментальную проблему — датасеты с сотнями и тысячами признаков плохо обучаются в моделях машинного обучения, плюс их невозможно визуализировать, что затрудняет понимание структуры данных, выявление паттернов и валидацию гипотез. Методы снижения размерности решают эту задачу, проецируя многомерные…
-
Обзор книги «Аналитика в Power BI с помощью R и Python» (Р. Уэйд)
Книга «Аналитика в Power BI с помощью R и Python. Загрузка, преобразование и визуализация данных» написана Райаном Уэйдом и издана на русском языке в 2021 году издательством ДМК Пресс. Центральная идея книги — расширение возможностей Microsoft Power BI через интеграцию с…
-
Обзор книги «Изучаем SQL. Генерация, выборка и обработка данных» (А. Болье, 3-е изд.)
Книга «Изучаем SQL. Генерация, выборка и обработка данных» написана Аланом Болье, третье издание вышло в 2021 году на русском языке в издательстве Диалектика. Это практическое руководство по языку SQL, охватывающее полный цикл работы с реляционными базами данных от базовых запросов до…
-
Обзор книги «Как вытащить из данных максимум» (Д. Морроу)
Книга «Как вытащить из данных максимум» написана Джорданом Морроу и издана на русском языке в 2022 году издательством Альпина Паблишер. Цель книги — дать руководителям понимание как можно решить проблему катастрофической нехватки грамотных специалистов по работе с данными в условиях экспоненциального…
-
Обзор книги «Анализ и визуализация данных в Yandex DataLens. Подробное руководство (А. Гинько)»
Книга «Анализ и визуализация данных в Yandex DataLens. Подробное руководство: от новичка до эксперта» написана Александром Гинько и издана в 2023 году издательством ДМК Пресс. Это пошаговое руководство по работе с облачной платформой визуализации данных Yandex DataLens, охватывающее полный цикл от…
-
Обзор книги «Data Mining: Извлечение информации из Facebook, Twitter, LinkedIn, Instagram, GitHub» (М. Рассел)
Книга «Data Mining: Извлечение информации из Facebook, Twitter, LinkedIn, Instagram, GitHub» написана Мэтью Расселом и Михаэлем Классеном. Это практическое руководство по извлечению и анализу данных из популярных социальных платформ с использованием Python. Авторы демонстрируют, как применять техники data mining для получения…
-
Обзор книги «Доверительное A/B тестирование: Практическое руководство по контролируемым экспериментам» (Р. Кохави, Д. Танг)
Книга «Доверительное A/B тестирование: Практическое руководство по контролируемым экспериментам» написана Роном Кохави, Дайан Танг и Я Сюй, опубликована в 2020 году издательством Cambridge University Press. Авторы исследуют методы проведения масштабных онлайн-экспериментов для принятия обоснованных решений в digital-продуктах на основе данных от…
Добро пожаловать на сайт Machine Learning Guru! Здесь вы найдете увлекательные статьи и полезные советы о data science, машинном обучении, нейронных сетях, финансовой и биржевой аналитике, веб-аналитике, прогнозировании данных, временных рядах и современных алгоритмах исскуственного интеллекта.
На сайте mlgu.ru представлены: гайды по исследованиям данных, примеры кода на Python, SQL и других языках программирования, примеры анализа данных и построения ML-моделей в различных сферах и проектах. Здесь вы также найдете обзоры новейших инструментов и библиотек data science и machine learning, а также сможете ознакомиться с лучшими практиками по оптимизации бизнес-процессов с помощью этих инструментов.