В каталоге Practicum находятся файлы блокнотов Jupyter с решениями практических заданий курсов.
| Path | |
|---|---|
| Practicum/advancedPython | файлы блокнотов Jupyter с решениями практических заданий курса "Продвинутый Питон" |
| Practicum/LinearRegression | Курсовая работа "Расчет данных по энергопотреблению": блокнот Jupyter с решением |
| результат в виде сжатого CSV-файла (submission.7z) | |
| Practicum/Classification_Ensembles | Курсовая работа "Страховой скоринг.Финальное решение": блокнот Jupyter с решением и CSV-результат |
| Practicum/ML4_выделение факторов" | Курсовая работа "Выделение факторов и предсказание": блокнот Jupyter с решением. * Инструкция* Соберите случайный ансамбль из нескольких методов выделения факторов - корреляции, взаимной информации, важности признаков, главных компонент, независимых компонент и др. Получите не менее 3 наборов из 5 наиболее важных признаков. Соберите для каждого набора ансамбль стекинга для задачи, используя (но не ограничиваясь) решающими деревьями, CatBoost, линейной регрессией - всего не менее 3 ансамблей стекинга, каждый из которых состоит из большого числа разнородных моделей. Используя эти ансамбли, предскажите продолжительность жизни на 2019 год. | |
| "Practicum/ML6 с подкреплением" | Курсовой проект по теме Машинное обучение 6: обучение с подкреплением |
| Для проекта была выбрана среда Mountain Car - Gym Documentation из раздела Classic Control environments Представлены решения - Улучшенный Q-learning на примере - Улучшенный DNQ - A2C |
|
| Practicum/Анализ временных рядов | Курсовой проект по теме "Моделирование временного ряда" |
| Представлены три варианта моделей прогноза цены акций: 1. Простой ансамбль + SARIMAX 2. Плохой вариантс с решающими деревьями 3. Прогноз на нейронных сетях GRU и BiLSTM |
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent