25.11 пройдёт бесплатное демо-занятия «Кластеризация временных рядов».
Вместе с Дмитрием Сергеевым вы познакомитесь с интереснейшей задачей, которую можно прикрутить к временным рядам. Вы выясните, можно ли найти похожие друг на друга по динамике финансовые активы на бирже и заберёте с собой код, позволяющий сделать это с нуля.

В честь Черной Пятницы даем скидку 25% всем, кто прошел тестирование.

Для регистрации на занятие пройдите вступительный тест  https://otus.pw/Naet/

Ребят, а как вытащить из кроссвалидации y_true , y_pred ? Просто я хочу по всем классификационным метрикам узнать результат , у меня просто задача бинарной классификации и я тут модель изменил с регрессии на классификацию, но не пойму как вывести отчёт по всем классификационным метрикам после кроссвалидации....

делай cross_val_predict, потом считай метрики сам какие хочешь

Спасибо , сделаю

Ребят, а что лучше наивный байесовский классификатор или логистическая регрессия ? Когда как? В какие случаях что ?

Наивный байес гораздо меньше переобучается, чем логистическая регрессия, поэтому его имеет смысл использовать, когда отношение числа признаков к числу наблюдений достаточно высокое.

Ну и, конечно, чем больше отклонение от допущения об условной независимости признаков, которое наивный байес делает, тем хуже он работает. Но на маленьких датасетах, на которых он как раз работает лучше логрега, достоверно проверить это допущение довольно сложно.

Да, хорошая штука. Только написана на мерзком электроне, что может несколько испортить впечатление

всем привет! ребят, с кем можно пообщаться насчет профессии, может есть тимлиды, которые собеседуют? в данный момент изучаю DS, сам работаю в аналитике, хотелось бы поинтересоваться входным порогом и требованиями

Но требования везде разные и зависят от очень многих факторов.

да, уже не раз слышал) но какой-то примерный перечень технологий хотя бы

Перечень технологий для чего?

для позиции джуна

на реддите сказали например что первое время в основном это будет работа с sql и чисткой данных, с мл будет мало пересечений(это джуну)

Нужен джун на стажировку. Требования: tensorflow, keras, python 3.5+, NLP, умение анализировать текстовые данные

дип лернинг и нлп, жесть

Это правда nlp-джун, но это вот фактические требования сейчас, да

Почему жесть?

высокий входной порог

Нормальный