Центр digital профессий ITtensive

Maximum likelihood method

Метод наименьших квадратов

Аппроксимация данных

Среднеквадратичная ошибка

Метрики и расстояния

Linear regression and L1/L2 regularization

BIC и AIC

Полиномиальная регрессия

Линеаризация регрессии

Логистическая регрессия

Изотоническая регрессия

Смещение, разброс и ошибка данных

Сигнал и шум. Цвета шума

ARIMA

Как стать аналитиком данных на Python в 61 год. История ученика ITtensive

Адаптивный бустинг

SMOTE

Логистическая функция потерь и кросс-энтропия

Латинский квадрат (гиперкуб)

Лямбда-архитектура

RMSprop, adadelta, adam

t-SNE

Подготовка (pre-processing) данных

EDA: exploratory data analysis

Процесс ETL: получение, очистка, объединение данных

ResNeXt

Сверточные нейросети

Deep Q-Network Training

Как получить работу аналитиком данных на Python, не имея опыта работы в этой сфере?

LightGBM

Компромисс эксплуатации и разведки в обучении с подкреплением

Видеоотзыв об обучении в ITtensive на аналитика данных на Python. Бойко Антон

Скользящие средние

Decision tree

Метод Монте-Карло

Градиентный спуск

Метод главных компонент (PCA)

Плотностная кластеризация (DBSCAN)

Wrapper Methods (SFS and SBS)

Метод экспоненциального сглаживания