Mokomės Data Science

Praktiškas vadovas duomenų analizei, atskleidžiantis visą informacijos apdorojimo ciklą: nuo rinkimo ir apdorojimo iki mašininio mokymosi modelių sudarymo. Nagrinėjama darbo su įrankiais pandas ir SQL, metodai, skirti pastebėti dėsningumus ir duomenų valymą. Aprašyti įvairūs informacijos šaltiniai, įskaitant tekstinius, binarinius ir internetinius duomenis. Išsamiai aprašyti statistiniai metodai: patikimumo intervalai, hipotezių testavimas, požymių konstravimas. Pateikti praktiniai pavyzdžiai Python kalba iš skirtingų sričių: transporto sistemų analizė, ekologiniai tyrimai, veterinarinė analizė. Paskutiniai skyriai skirti logistiniai regresijai ir modelių optimizavimui, taikant klasifikacijos užduotims tekstams.