Траектория обучения data science: Kaggle: Градиентный бустинг с примерами на XGBoost

✅О курсе «Траектория обучения data science: Kaggle» – это популярная социальная сеть для специалистов в области анализа данных, а также платформа для организации конкурсов по исследованию данных, открытое хранилище наборов данных, облачная среда для программирования и многое другое. В ходе курса вы познакомитесь с основными возможностями Kaggle, выполните свои первые задания и узнаете, как извлечь пользу из взаимодействия с данной платформой. Цель этого курса – научить вас свободно взаимодействовать с Kaggle для достижения целей, связанных с анализом данных и машинным обучением. Также вас ждёт ряд занимательных практических заданий на языке Python, выполнение которых приблизит вас к статусу Kaggle master. Курс ориентирован на аудиторию, интересующуюся data science и обладающую базовыми знаниями в области программирования (не обязательно на Python) и английского языка. ✅ Вебинар VIII: “Градиентный бустинг с примерами на XGBoost“ Градиентный бустинг на деревьях – алгоритм, позволяющий получать высокоточные решения задач классификации и регрессии. Благодаря своей точности этот алгоритм является одним из популярных при решении заданий на Kaggle. На заключительном вебинаре курса мы рассмотрим: ✅ теоретические аспекты градиентного бустинга на деревьях ✅ основные гиперпараметры данного алгоритма ✅ практические примеры применения алгоритма с помощью пакета xgboost Спикер: Владислав Девликамов Kaggle Notebooks Grandmaster, наивысший ранг — 37 в мире. Закончил бакалавриат Нижегородского государственного университета (ННГУ) по направлению “Прикладная математика и информатика“. Продолжает обучение в магистратуре по тому же направлению, также является лаборантом-исследователем в ННГУ и работает интерном по разработке алгоритмов машинного обучения. Основная сфера научных интересов: применением машинного обучения для задач биоинформатики.