Проверяем сведения о курсе и предложения площадок…
[stepik] Машинное обучение - Подготовка данных. Модуль 1 (Алексей Кожакин)
Публикация на площадке: 6 февраля 2025 г.34 урока
![Обложка курса: [stepik] Машинное обучение - Подготовка данных. Модуль 1 (Алексей Кожакин). Площадка: Складчина.biz](/_next/image?url=%2Fmedia%2Fcourses%2Fstepik-mashinnoe-obuchenie-podgotovka-dannykh-modul-1-aleksey--skladchina-biz-bb961431.webp&w=1200&q=75)
Описание курса
Текст площадки «Складчина.biz». Упомянутые цены и обещанные результаты могут быть неактуальны; условия покупки проверяйте у продавца.
Данный курс является первым модулем из серии моих курсов по машинному обучению (ML). В этом курсе в качестве задачи будет рассматриваться прогнозирование в футбольной аналитике. Мы сосредоточимся на сборе данных, которые будут использоваться для прогнозирования в следующих модулях. Помимо сбора данных, мы также применим некоторые техники предобработки данных.
Мне очень нравится помогать ученикам, изучающим Python, разбираться в сложных моментах и показывать наилучший путь изучения программирования, чтобы они могли стать успешными разработчиками.
Один курс · разные способы доступа
Где удобнее учиться?
Сравните цену и то, как будете заниматься.
История цен на площадках
Как проходит обучение
Эти данные взяты из программы и описания площадки. Пустое поле означает, что на странице курса ответа не было.
- Темы программы
- Программа курсаПроверено 20.09.2026 · Источник ↗︎
- Темы программы
- Программа курсаПроверено 25.09.2026 · Источник ↗︎
- Темы программы
- Программа курсаПроверено 28.09.2026 · Источник ↗︎
Авторы и преподаватели
- Алексей КожакинАвтор материалов
Что пишут о курсе разные площадки
Продавцы могут по-разному указать название, автора и программу. Поэтому ниже каждый исходный текст показан отдельно.
Складчина.biz[stepik] Машинное обучение - Подготовка данных. Модуль 1 (Алексей Кожакин)
Указаны на площадке: Алексей Кожакин
Данный курс является первым модулем из серии моих курсов по машинному обучению (ML). В этом курсе в качестве задачи будет рассматриваться прогнозирование в футбольной аналитике. Мы сосредоточимся на сборе данных, которые будут использоваться для прогнозирования в следующих модулях. Помимо сбора данных, мы также применим некоторые техники предобработки данных.
Мне очень нравится помогать ученикам, изучающим Python, разбираться в сложных моментах и показывать наилучший путь изучения программирования, чтобы они могли стать успешными разработчиками.
Программа этой площадки
Получено 25.09.2026- Программа курса
Складчина.biz[stepik] Машинное обучение - Подготовка данных. Модуль 1 (Алексей Кожакин)
Указаны на площадке: Алексей Кожакин
Данный курс является первым модулем из серии моих курсов по машинному обучению (ML). В этом курсе в качестве задачи будет рассматриваться прогнозирование в футбольной аналитике. Мы сосредоточимся на сборе данных, которые будут использоваться для прогнозирования в следующих модулях. Помимо сбора данных, мы также применим некоторые техники предобработки данных.
Мне очень нравится помогать ученикам, изучающим Python, разбираться в сложных моментах и показывать наилучший путь изучения программирования, чтобы они могли стать успешными разработчиками.
Программа этой площадки
Получено 20.09.2026- Программа курса
Sharewood«Машинное обучение - Подготовка данных (Модуль 1) [stepik]» [Алексей Кожакин]
Указаны на площадке: Алексей Кожакин
Этот курс представляет собой первую часть моей серии обучающих программ по машинному обучению (ML). Главная тема данного курса - прогнозирование в рамках футбольной аналитики. Мы уделим большое внимание сбору информации, которая затем будет использоваться для прогнозов в последующих модулях. Кроме сбора информации, мы также внедрим различные методы предварительной обработки данных.
План курса
1. Вступление
Описание курса
Среда программирования
2. Извлечение данных с помощью парсинга
Выбор ресурса для сбора данных
Тип метода парсинга
Определение целевых данных
Создание скрипта для парсинга
Использование библиотеки для парсинга данных
3. Анализ данных
Обзор набора данных
Библиотеки для исследования данных
4. Очистка данных
Значимость и цель процесса очистки данных.
Удаление дубликатов
Подходы к заполнению пропущенных значений.
Целевой показатель
Вводные данные
5. Валидация данных
Оценка качества данных после очистки и обработки
Тестирование точности на моделях
Анализ важности характеристик
6. Кластеризация
Уменьшение размерности
Кластерный анализ
Добавление новых параметров
Оценка производительности модели после выполнения кластеризации
7. Нормализация и стандартизация данных
Приведение данных к однородному формату
Трансформация категорийных признаков
Оценка производительности модели после нормализации
8. Балансировка данных
Статистический анализ
Балансировка набора данных
Преподаватель: Алексей Кожакин
Мне нравится помогать студентам, изучающим Python, понимать сложные концепции и показывать им оптимальный способ обучения программированию, чтобы они могли стать успешными разработчиками.
Содержание обучения
Что в программе
01Программа курса34 урока
- ВведениеВремя не указано
- О курсеВремя не указано
- Среда разработкиВремя не указано
- Сбор данных с использованием парсингаВремя не указано
- Выбор источника данныхВремя не указано
- Выбор метода парсингаВремя не указано
- Определение целевых данныхВремя не указано
- Разработка скрипта парсингаВремя не указано
- Библиотека прасинга датасетаВремя не указано
- Обзор данныхВремя не указано
- Обзор датасетаВремя не указано
- Библиотеки для анализа данныхВремя не указано
- Очистка данныхВремя не указано
- Важность и цель очистки данных.Время не указано
- Устранение дубликатовВремя не указано
- Методы заполнения пропущенных данных.Время не указано
- Целевая переменнаяВремя не указано
- Входные параметрыВремя не указано
- Валидация данныхВремя не указано
- Проверка качества данных после очистки и обработкиВремя не указано
- Проверка точност на моделяхВремя не указано
- Анализ важности признаковВремя не указано
- Кластерный анализВремя не указано
Похожие курсы и совпадения…
Материалы по теме…
![Обложка курса: Анализ данных Python: с 0 до уверенного бизнес-пользователя [Stepik] [Никита Сергеев]. Площадка: Складчик](/_next/image?url=%2Fmedia%2Fcourses%2Fanaliz-dannykh-python-s-0-do-uverennogo-biznes-polzovatelya-st-skladchik-e0aaf09c.webp&w=640&q=75)
![Обложка курса: «Python - Модуль 4 (ООП)» [Stepik]. Площадка: Sharewood](/_next/image?url=%2Fmedia%2Fcourses%2Fpython-modul-4-oop-stepik-sharewood-editorial-13d0946e.webp&w=640&q=75)
![Обложка курса: Python - Модуль 4 (ООП) [stepik] [Алексей Кожакин]. Площадка: Складчик](/_next/image?url=%2Fmedia%2Fcourses%2Fpython-modul-4-oop-stepik-aleksey-kozhakin-skladchik-4d5c4c28.webp&w=640&q=75)
![Обложка курса: «ИИ в дизайне лекарственных молекул» [Stepik, Анастасия Орлова, Нина Губина, Пётр Жиляев] | Нейросети - Обучение. Площадка: Sharewood](/_next/image?url=%2Fmedia%2Fcourses%2Fii-v-dizayne-lekarstvennykh-molekul-stepik-anastasiya-orlova-n-sharewood-editorial-e2524159.webp&w=640&q=75)