Кроссплатформенное Data Science приложение с помощью PySimpleGUI
С помощью библиотеки PySimpleGUI можно создавать самые разные графические интерфейсы для различных платформ быстро и просто.
В этой статье вы узнаете, как создать Data Science приложение с помощью PySimpleGUI для Windows, а затем сможете перенести его и на другие ОС при желании. Подробнее:
https://tprg.ru/3HFx
#datascience #библиотека
С помощью библиотеки PySimpleGUI можно создавать самые разные графические интерфейсы для различных платформ быстро и просто.
В этой статье вы узнаете, как создать Data Science приложение с помощью PySimpleGUI для Windows, а затем сможете перенести его и на другие ОС при желании. Подробнее:
https://tprg.ru/3HFx
#datascience #библиотека
Бесплатный курс по Big Data и Data Science
Этот курс поможет углубить знания в области больших данных и машинного обучения, а также изучить применение Data Science на примерах практики передовых компаний. Курс подойдёт тем, кто уже немного знаком с Data Science и хочет продолжить обучение.
Подробнее:
https://tprg.ru/fD5C
#datascience
Этот курс поможет углубить знания в области больших данных и машинного обучения, а также изучить применение Data Science на примерах практики передовых компаний. Курс подойдёт тем, кто уже немного знаком с Data Science и хочет продолжить обучение.
Подробнее:
https://tprg.ru/fD5C
#datascience
👍1
Seaborn — отличная data science библиотека для визуализации на Python
В этом видео вы узнаете, как создавать различные графики c помощью seaborn и в чём преимущества этой библиотеки по сравнению с тем же matplotlib.
https://tprg.ru/P8FV
#видео #datascience
В этом видео вы узнаете, как создавать различные графики c помощью seaborn и в чём преимущества этой библиотеки по сравнению с тем же matplotlib.
https://tprg.ru/P8FV
#видео #datascience
YouTube
Seaborn - лучшая data science библиотека для визуализации на Python?
🔥 Telegram https://yangx.top/ershov_diary
🔥 Индивидуальная программа по обучению data science под вашу цель с моей менторской поддержкой до результата:
https://bit.ly/3uRvTz3
Тут я рассказываю почему я создал эту программу, для кого она подходит и в чем ее…
🔥 Индивидуальная программа по обучению data science под вашу цель с моей менторской поддержкой до результата:
https://bit.ly/3uRvTz3
Тут я рассказываю почему я создал эту программу, для кого она подходит и в чем ее…
Бесплатный курс по анализу данных на Python
Небольшой курс, рассказывающий об основах анализа данных. Здесь вы познакомитесь с несколькими библиотеками Python, такими как NumPy, Pandas, а также изучите SQL и не только.
Посмотреть можно тут:
https://tprg.ru/rGBy
#видео #курс #datascience
Небольшой курс, рассказывающий об основах анализа данных. Здесь вы познакомитесь с несколькими библиотеками Python, такими как NumPy, Pandas, а также изучите SQL и не только.
Посмотреть можно тут:
https://tprg.ru/rGBy
#видео #курс #datascience
Как оптимизировать проект Data Science с помощью Prefect
При отсутствии оптимизации в Data Science проекте может получиться так, что один процесс будет тормозить остальные при возможности разделения их работы независимо друг от друга.
Prefect — это фреймворк с открытым исходным кодом для построения рабочих процессов на Python. Он позволяет легко создавать, запускать и контролировать конвейеры данных различного масштаба, в том числе и устраняя проблему выше.
https://tprg.ru/pYfO
#datascience
При отсутствии оптимизации в Data Science проекте может получиться так, что один процесс будет тормозить остальные при возможности разделения их работы независимо друг от друга.
Prefect — это фреймворк с открытым исходным кодом для построения рабочих процессов на Python. Он позволяет легко создавать, запускать и контролировать конвейеры данных различного масштаба, в том числе и устраняя проблему выше.
https://tprg.ru/pYfO
#datascience
5 грязных трюков в соревновательном Data Science, о которых тебе не расскажут в приличном обществе
Такому вас точно не научат в школе или универе, на курсах вам тоже вряд ли дадут памятку по использованию грязных приёмчиков. Но тем не менее, эти хитрости и уловки лучше знать. Даже не для личного использования, но для возможности выявить нечестного оппонента.
Если интересно, как можно сжульничать на соревновании по Data Science, то переходите по ссылке и скорее читайте статью:
https://habr.com/ru/post/600067/
#datascience
Такому вас точно не научат в школе или универе, на курсах вам тоже вряд ли дадут памятку по использованию грязных приёмчиков. Но тем не менее, эти хитрости и уловки лучше знать. Даже не для личного использования, но для возможности выявить нечестного оппонента.
Если интересно, как можно сжульничать на соревновании по Data Science, то переходите по ссылке и скорее читайте статью:
https://habr.com/ru/post/600067/
#datascience
🤯9👍8👏4🤔1😢1
Как метод подмены задачи борется с несовершенством данных
Для того, чтобы понять зачем использовать этот метод, можно взглянуть на соревнования по анализу данных. Там этот метод применяется для максимально быстрого прохождения всех необходимых тестов даже в условиях не репрезентативности обучающей выборке и её сильном отличии от выборки тестовой.
Расписывать здесь, как именно это делается, слишком долго, поэтому предлагаем вам сразу перейти в статью и почитать подробное объяснение от опытного ML разработчика:
https://habr.com/ru/company/ru_mts/blog/648063/
#datascience
Для того, чтобы понять зачем использовать этот метод, можно взглянуть на соревнования по анализу данных. Там этот метод применяется для максимально быстрого прохождения всех необходимых тестов даже в условиях не репрезентативности обучающей выборке и её сильном отличии от выборки тестовой.
Расписывать здесь, как именно это делается, слишком долго, поэтому предлагаем вам сразу перейти в статью и почитать подробное объяснение от опытного ML разработчика:
https://habr.com/ru/company/ru_mts/blog/648063/
#datascience
👍6
Работа с отсутствующими значениями в Pandas
Отсутствующее значение в наборе данных отображается как вопросительный знак, ноль, NaN или просто пустая ячейка. Но как можно справиться с недостающими данными?
На самом деле есть много способов. В этой статье рассмотрены типичные варианты на примере набора данных «Titanic». Эти данные являются открытым набором данных Kaggle. Подробнее:
https://habr.com/ru/post/663414/
#pandas #datascience
Отсутствующее значение в наборе данных отображается как вопросительный знак, ноль, NaN или просто пустая ячейка. Но как можно справиться с недостающими данными?
На самом деле есть много способов. В этой статье рассмотрены типичные варианты на примере набора данных «Titanic». Эти данные являются открытым набором данных Kaggle. Подробнее:
https://habr.com/ru/post/663414/
#pandas #datascience
👍4
Топовые пакеты Python для очистки данных
Специалисты по данным вынуждены тратить уйму времени на то, что привести эти данные в порядок и очистить их от лишнего. К счастью, для этого уже существует множество различных пакетов, помогающих быстрее избавиться от мусора. Подробнее о них в статье:
https://nuancesprog.ru/p/15768/
#datascience
Специалисты по данным вынуждены тратить уйму времени на то, что привести эти данные в порядок и очистить их от лишнего. К счастью, для этого уже существует множество различных пакетов, помогающих быстрее избавиться от мусора. Подробнее о них в статье:
https://nuancesprog.ru/p/15768/
#datascience
👍8
Пакетная обработка 22 ГБ данных о транзакциях с помощью Pandas
С большими наборами данных работать сложно, особенно при отсутствии необходимых ресурсов. Если вы не располагаете достаточно мощным компьютером, то решить проблему такой обработки можно с помощью фрагментации данных. Как это сделать можно узнать здесь:
https://nuancesprog.ru/p/15805/
#datascience #pandas
С большими наборами данных работать сложно, особенно при отсутствии необходимых ресурсов. Если вы не располагаете достаточно мощным компьютером, то решить проблему такой обработки можно с помощью фрагментации данных. Как это сделать можно узнать здесь:
https://nuancesprog.ru/p/15805/
#datascience #pandas
👍11😁1💩1
Быстрое прототипирование в проектах анализа данных
Быстрое протитипирование снижает риски затрат при неуспешном проекте, а также помогает проверить готовность процессорв к использованию модели машинного обучения.
В этой статье вы узнаете на что стоит обращать внимание при прототипировании:
https://tproger.ru/articles/bystroe-prototipirovanie-v-proektah-analiza-dannyh/
#datascience
Быстрое протитипирование снижает риски затрат при неуспешном проекте, а также помогает проверить готовность процессорв к использованию модели машинного обучения.
В этой статье вы узнаете на что стоит обращать внимание при прототипировании:
https://tproger.ru/articles/bystroe-prototipirovanie-v-proektah-analiza-dannyh/
#datascience
👍4
3 худших совета по осваиванию науки о данных
Изучать что-то новое очень сложно. В поисках необходимых знаний приходится перебирать различные способы обучения. К сожалению, узнать об эффективности способа или полезности ресурса зачастую довольно сложно.
В этой статье собраны плохие советы, которым точно не стоит следовать при изучении науки о данных:
https://nuancesprog.ru/p/15835/
#datascience
Изучать что-то новое очень сложно. В поисках необходимых знаний приходится перебирать различные способы обучения. К сожалению, узнать об эффективности способа или полезности ресурса зачастую довольно сложно.
В этой статье собраны плохие советы, которым точно не стоит следовать при изучении науки о данных:
https://nuancesprog.ru/p/15835/
#datascience
👍8
Что такое выпас данных и почему он необходим?
Плохие данные приводят к принятию некачественных решений. Поэтому вам необходимо очистить и отформатировать ваши данные – взять их под контроль, чтобы они были готовы к последующим процессам. Тут на помощь приходит выпас данных. Он позволяет более тщательно преобразовать, переформатировать и подготовить данные, чем при простой очистке.
Подробнее о методе:
https://habr.com/ru/company/piter/blog/675796/
#datascience
Плохие данные приводят к принятию некачественных решений. Поэтому вам необходимо очистить и отформатировать ваши данные – взять их под контроль, чтобы они были готовы к последующим процессам. Тут на помощь приходит выпас данных. Он позволяет более тщательно преобразовать, переформатировать и подготовить данные, чем при простой очистке.
Подробнее о методе:
https://habr.com/ru/company/piter/blog/675796/
#datascience
👍6
Машинный перевод с двухсот языков, генерация бесконечных изображений от Microsoft и рефлексия нейросети о самой себе.
Подробнее о ярких новостях из мира Data Science можно прочитать в дайджесте от МТС Диджитал:
https://tprg.ru/z5Em
#datascience
Подробнее о ярких новостях из мира Data Science можно прочитать в дайджесте от МТС Диджитал:
https://tprg.ru/z5Em
#datascience
👍11
JupyterHub, или как перестать бояться pip install
JupyterHub — это тот же Jupyter, который ставится он на отдельный сервер и работает как клиент-серверное веб-приложение, позволяя автоматизировать и изолировать рабочее окружение каждого пользователя. Благодаря этому вам не надо думать об установке Jupyter и тратить локальные ресурсы.
Подробнее:
https://habr.com/ru/company/rostelecom/blog/689596/
#jupyter #datascience
JupyterHub — это тот же Jupyter, который ставится он на отдельный сервер и работает как клиент-серверное веб-приложение, позволяя автоматизировать и изолировать рабочее окружение каждого пользователя. Благодаря этому вам не надо думать об установке Jupyter и тратить локальные ресурсы.
Подробнее:
https://habr.com/ru/company/rostelecom/blog/689596/
#jupyter #datascience
👍6
«Вам курицу или рыбу?» — как рекомендательная система понимает чего вы хотите
Сегодня столько разнообразной информации, что легко запутаться в попытках найти нужное. Разработчики платформы по продаже фермерских продуктов подумали о том, как помочь пользователям выбрать среди обилия фермеров и их товаров именно те, которые им точно нужны и понравятся.
Для этого они разработали рекомендательную систему, которая состоит из трёх этапов. А вот каких именно и как это всё работает, узнаете здесь:
https://habr.com/ru/company/rshb/blog/701278/
#ml #datascience
Сегодня столько разнообразной информации, что легко запутаться в попытках найти нужное. Разработчики платформы по продаже фермерских продуктов подумали о том, как помочь пользователям выбрать среди обилия фермеров и их товаров именно те, которые им точно нужны и понравятся.
Для этого они разработали рекомендательную систему, которая состоит из трёх этапов. А вот каких именно и как это всё работает, узнаете здесь:
https://habr.com/ru/company/rshb/blog/701278/
#ml #datascience
👍11
Как получить данные в нужном формате с помощью Pandas
Специалистам по данным постоянно приходится приводить данные в нужный им вид. Иногда, очищая от лишнего, в других случаях меняя формат данных. Чаще всего применяются два формата данных: длинный и широкий.
В этой статье вы рассмотрите несколько примеров, чтобы понять, как именно выглядит каждый формат данных, а затем посмотрите, как конвертировать один формат в другой с помощью Pandas:
https://nuancesprog.ru/p/16466/
#pandas #datascience
Специалистам по данным постоянно приходится приводить данные в нужный им вид. Иногда, очищая от лишнего, в других случаях меняя формат данных. Чаще всего применяются два формата данных: длинный и широкий.
В этой статье вы рассмотрите несколько примеров, чтобы понять, как именно выглядит каждый формат данных, а затем посмотрите, как конвертировать один формат в другой с помощью Pandas:
https://nuancesprog.ru/p/16466/
#pandas #datascience
👍13🔥1