BigData - обзор

В этом разделе собраны практические работы по дисциплине BigData в формате MDX. Материалы охватывают вводную часть, анализ данных, регрессию, прикладные кейсы со страховыми данными, классификацию, кластеризацию, ансамблевые методы и итоговую работу.

Что внутри

• ввод в BigData и организацию практических работ;
• анализ и подготовка данных;
• регрессионные задачи и работа с датасетами;
• классификация, кластеризация и ансамблевое обучение;
• итоговая практика с оформлением результата.

Практики

• Практика 1. Введение в BigData - вводная часть, цели курса и структура дальнейшей работы.
• Практика 2. Аналитика данных - базовый анализ и интерпретация данных.
• Практика 3. Регрессия и наборы данных - построение регрессионных моделей и работа с источниками данных.
• Практика 4. Анализ данных страхования - прикладной разбор страхового датасета.
• Практика 5. Классификация - методы классификации и сравнение результатов.
• Практика 6. Кластеризация - группировка данных и анализ кластеров.
• Практика 7. Ансамблевое обучение - ансамбли моделей и повышение качества прогноза.
• Практика 8. Итоговая работа - финальное оформление и сбор результатов по разделу.

Как проходить раздел

• Идите по порядку: практики выстроены от базового знакомства к более сложным моделям.
• Для задач с данными держите рядом материалы из resources/bigdata и используйте их как входные датасеты.
• После изучения Практики 7 удобно переходить к Практике 8 для сборки итогового отчета.

Ресурсы

Файлы с датасетами и дополнительными материалами лежат в папке:

• resources/bigdata (GitHub)