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

✅О курсе «Траектория обучения data science: Kaggle»

Kaggle.com – 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.