Публикации по теме 'data-engineering'


Отличная статья, спасибо.
Отличная статья, спасибо. Вы специально исключили навыки разработки данных (например, ETL, обработку данных, преобразование) или они не проявились? Это было бы удивительно, поскольку 90% + времени, затрачиваемого на отраслевые прикладные науки о данных, - это инженерия данных. Есть предположения?
Изучите основные этапы машинного обучения на простом примере:
МЛ в действии!! В статье мы обсудили базовое понимание того, что такое машинное обучение, его категории и некоторые его реализации в реальном времени. В этой статье мы рассмотрим простой пример с некоторыми фрагментами кода ML в действии!! Ниже приведены важные шаги, связанные с любым приложением машинного обучения: Импорт данных . Как вы знаете, машины изначально учатся на данных, которые вы им предоставляете. Крайне важно собирать надежные данные, чтобы ваша модель машинного..
Подходящее поле данных для вас
Начало в области данных может быть ошеломляющим. Должны ли вы быть специалистом по данным? Инженер данных? Аналитик данных? ML-инженер? Количество вариантов ролей зашкаливает! Вот несколько общих рекомендаций по выбору между некоторыми из этих ролей. 🎯. Вам следует стать аналитиком данных, если: вам нравится исследовать бизнес-проблемы. Вам нравится копаться в данных, как Шерлок Холмс, и находить закономерности, которые влияют на бизнес. Вы увлечены визуализацией данных и..
Конвейеры ETL против. Конвейеры машинного обучения — сходства и различия
Конвейеры ETL против. Конвейеры машинного обучения — сходства и различия следите за дополнительной информацией: https://medium.com/@fahadthedatascientist Введение Конвейер данных, используемый для отчетности и аналитики, и конвейер машинного обучения, используемый для обучения и прогнозирования, имеют много общего. Инженеры данных создают конвейеры данных для бизнес-пользователей, тогда как специалисты по данным создают и управляют конвейером машинного обучения. Оба конвейера..
5 шагов для создания Data Web App MVP с помощью Python и Streamlit
🤯 Введение Вы когда-нибудь чувствовали разочарование, что после создания отличной модели машинного обучения на ноутбуке Jupyter ничего не происходит? Разве не было бы здорово иметь возможность развернуть его в Интернете и поделиться им со всеми, чтобы столкнуться с ним в реальной жизни? 🤔 Когда Data Scientist или любой другой заинтересованный в данных человек реализует личный проект, часто бывает так, что он хочет поделиться своей работой со всем сообществом. Особенно, если этот..
Применение концепций Data Science к Prudential Data
Пруденциальные данные от Kaggle Ознакомьтесь с другой моей статьей: Процесс машинного обучения Моя биография Процесс Определить бизнес-цель Исследовательский анализ данных Предварительная обработка/очистка данных Уменьшение размерности Визуальный анализ данных Выбор и оценка модели Сводка 1. Бизнес-цель Проблема : в страховой отрасли определение риска и приемлемости является очень трудоемким и медленным процессом. Страховые компании, такие как..
2022 год — Петля обучения
Воображать будущее одновременно захватывающе и весело, оно наполнено планами, надеждами и многочисленными списками дел. Наоборот, Воспоминания наполнены Ностальгией, Сожалениями, а иногда и большой болью. Сейчас 22 декабря, и я хорошо помню ту ночь, когда заявил, что хочу оставить свою высокооплачиваемую управленческую работу и начать заниматься визуализацией данных. Мое путешествие по самообучению и самореализации началось, даже не сказав мне об этом. Готовы присоединиться ко мне в..