Методология межотраслевого стандартного процесса интеллектуального анализа данных (CRISP-DM) состоит из 6 этапов, включая понимание бизнеса, подготовку данных и пояснительный анализ данных (EDA), моделирование, оценку, развертывание, а также обслуживание и мониторинг. Для этого примера я бы использовал Данные о доставке электронной коммерции от Kaggle.🚢 Этап 1. Понимание бизнеса 🐣 Прежде чем мы начнем процесс анализа, нам нужно установить цели SMART (конкретные, измеримые,..

В этом руководстве мы поэкспериментируем с реальным набором данных об оценках с помощью CGPA и изучим, как можно использовать алгоритмы машинного обучения для поиска закономерностей в данных. В наборе данных Grade Point у нас есть 42 функции разных курсов. В соответствии с этим мы должны предсказать CGPA. Мы можем решить эту проблему, используя алгоритмы ОБУЧЕНИЯ С УЧЕНИЕМ С УЧЕНИЕМ . НАСТРОЙКА⚙️: ИСПОЛЬЗУЕМЫЕ БИБЛИОТЕКИ: Numpy (библиотека Python, используемая для работы с..

Когда мы впервые начали изучать науку о данных и машинное обучение с помощью игрушечных наборов данных, мы, возможно, предполагали, что предсказание или получение хороших значений будет концом области, но после этого предстоит пересечь еще одно море. Крайне важно, чтобы модель обучения была размещена в Интернете, чтобы клиенты или конечные пользователи, как правило, имели возможность прикоснуться к вашему продукту. В этом посте давайте разберемся, что такое развертывание и как оно работает...