Dylemat początkującego: jaki języka programowania używany w Data Science wybrać? Poniżej odpowiadam na pytanie spędzające sen z powiek u młodych Data Scientist-ów.
Mateusz Grzyb
DSP 003: Wybór odpowiedniego punktu odcięcia – metoda uwzględniająca założenia biznesowe
Jak wybrać punkt odcięcia i uwzględnić uwarunkowania biznesowe, by maksymalizować zysk i minimalizować stratę? O tym wszystkim opowiadam w trzecim odcinku DSP. Serdecznie zapraszam do obejrzenia!
Jak wybrać punkt odcięcia, bazując na uwarunkowaniach biznesowych?
W ostatnich wpisach pokazywałem jak wybrać punkt odcięcia przy założeniu, że wszystkie popełniane błędy kosztują nas tyle samo. W poniższym wpisie przedstawiam metodę biorącą pod uwagę uwarunkowania biznesowe.
DSP 002: Wybór odpowiedniego punktu odcięcia – metoda „złotego środka”
W drugim odcinku na kanale Data Science Plus poruszam temat wyboru odpowiedniego punktu odcięcia.
Prosty sposób na wybór odpowiedniego punktu odcięcia – praktyka
Wybór odpowiedniego punktu odcięcia wcale nie musi być trudny. Poniżej na przykładzie z sektora finansowego pokazuję jak to zrobić w kilku prostych krokach.
Prosty sposób na wybór odpowiedniego punktu odcięcia
Nawet wzorcowo przeprowadzony proces uczenia nie jest jeszcze gwarantem sukcesu w modelowaniu. Tym na co warto zwrócić uwagę, jest poziom cut-off, który bezpośrednio przekłada się na miary jakości osiągane przez nasze rozwiązanie.
DSP 001: Zapowiedź kanału YouTube – Data Science Plus
A więc stało się: pierwszy odcinek na YouTube-owym kanale Data Science Plus został opublikowany. Zapraszam Cię do jego obejrzenia.
Zaawansowana analityka, czyli o czym będę pisać przez najbliższe miesiące
Co w uczeniu maszynowym i statystyce jest zagadnieniem „zaawansowanym”? Gdzie leży granica pomiędzy tym, co proste, a tym, co wysublimowane?
Wybór odpowiedniego algorytmu. Część 4 – algorytmy grupujące
W cyklu „Wybór odpowiedniego algorytmu” przyszedł czas na omówienie algorytmów grupujących.
Obiektywnie, w kwestii doboru odpowiedniego algorytmu grupowanie jest znacznie bardziej złożone niż regresja, czy klasyfikacja. W przypadku grupowania trudno o jedną, spójną statystykę, którą można porównać działanie różnych algorytmów. Sytuacja komplikuje się jeszcze bardziej, gdy weźmiemy pod uwagę transformacje, które musimy wykonać na zbiorze, by dostosować go do wymagań danego algorytmu.
Segmentacja behawioralna klientów z użyciem metody RFM
Segmentacja wcale nie musi być skomplikowana. Najważniejszy jest jej efekt i korzyści jakie przynosi dla firmy. W tym projekcie chciałbym pokazać jak szybko, łatwo i przyjemnie wykonać segmentacje behawioralną z użyciem relatywnie prostych metod. Zapraszam! 🙂