Лекция 4. Работа с признаками и метрики качества

Почему для машинного обучения вообще нужен живой аналитик?

- Придумывать, какие признаки использовать в алгоритме

- Адекватно оценивать качество построенной модели

Всё остальное, в принципе, автоматизируется примерно полностью.

Недавно я об этом лекцию читал для , получилось полтора часа (час - если слушать с ускорением) беседы за жизнь и аналитику.

Я постарался рассказать о feature engineering (создании и управлении признаками) и измерении качества прогнозов так, чтобы и новичкам было всё ясно, и опытные аналитики смогли что-то новое узнать. Так что смотрите)

Комментарии: