Sprawdź, dlaczego Linux jest tak popularny w Data Science i dlaczego warto go poznać.
Machine Learning
Jak zająłem 4 miejsce w konkursie Kaggle – case study
Dziś chcę się z Tobą podzielić studium przypadku z ostatniego konkursu Kaggle, w którym brałem udział.
Machine Learning w problemie scoringu – case study cz. 2
Kontynuacja poprzedniego wpisu dotyczącego studium przypadku. W tej części skupiam się na głównym wnioskach z projektu, jakie udało mi się spisać i zapamiętać.
Machine Learning w problemie scoringu – case study cz. 1
W tym wpisie chciałbym się z Tobą podzielić przebiegiem i wnioskami z jednego z projektów, które miałem okazję realizować.
Konkurs + ankieta: zdecyduj o przyszłości bloga
Pierwszy konkurs i pierwsza ankieta w historii bloga. Planuję spore zmiany, w związku z tym chciałbym prosić Cię o małą pomoc. 🙂
Jak przyspieszyć Pythona jedną linijką kodu?
Chyba każda osoba pracująca z danymi chociaż raz w swoim życiu spotkała się z tym problemem: powolne ładowanie danych, które znacząco spowalnia proces analizy danych. Na niewiele zda się tu moc obliczeniowa, która nie rośnie aż tak szybko, jak wolumeny danych, z którymi pracujemy. Co zatem zrobić, jeśli nie chcemy wydawać górki pieniędzy na rozbudowę własnej infrastruktury, a usługi chmurowe nie wchodzą w grę? Okazuje się, że już wkrótce może się pojawić na to proste rozwiązanie.
Jak w prosty sposób znaleźć się w czołówce rankingu wybranego konkursu na Kaggle?
Kaggle jest miejscem niemal mitycznym, gdzie bój między sobą toczą Data Scientist-ci z całego świata. Marzeniem każdego z nich jest znaleźć się w czołówce dowolnego konkursu, nie wspominając nawet o jego wygraniu. Wydawać by się mogło, że osiągnięcie tego celu graniczy z cudem i wymaga nie lada wysiłku. Okazuje się jednak, że istnieje droga na skróty. 🙂
Microsoft Azure User Group #15
Jakiego narzędzia powinienem użyć do tego projektu? Które z nich zapewni mi odpowiednią skalowalność i szybkość? – te pytania powtarzane są na forach związanych z analizą i przetwarzaniem danych. I nic dziwnego. Liczba rozwiązań z rodziny uczenia maszynowego, które są dostępne na rynku potrafi przyprawić o zawrót głowy.
Klasyfikacja pasażerów Titanica
Projekt ten jest kontynuacją wpisu wprowadzającego do Microsoft Azure Machine Learning. W oparciu o rzeczywisty zbiór danych, zbuduję przykładowy model predykcyjny. Przy poprzednim projekcie założyłem, iż kolejny eksperyment będzie pokazywać inną technologię. Po epizodzie z open source, dziś czas na rozwiązanie Microsoft.
Jako motyw przewodni tego projektu wybrałem jeden z najpopularniejszych konkursów Kaggle. Jako że jest to oficjalny konkurs, to będę mógł „sprawdzić się” w rywalizacji z ponad 6000 zespołów które wzięły w nim udział.
Narzędzia: Azure Machine Learning – jak zacząć?
Jeżeli chciałbyś budować eksperymenty Machine Learning z dowolnego miejsca, bez dostępu do własnej infrastruktury i zupełnie niezależnie od posiadanej fizycznie mocy obliczeniowej to jest na to prosty sposób: Microsoft Azure Machine Learning.