Видео

Для получения картинки с деревом решений для меня сработал код: from six import StringIO from IPython.display import Image from sklearn.tree import export_graphviz import pydotplus dot_data = StringIO() export_graphviz(clf, out_file=dot_data, filled=True, rounded=True, special_characters=True) graph = pydotplus.graph_from_dot_data(dot_data.getvalue()) graph.write_png('pic.png') Image(graph.create_png())

4:44 💀💀💀💀💀💀💀💀💀💀💀💀

Откуда у вас ON после INNER JOIN?

Интересно

Спасибо!

а зачем для этого нейросеть? точнее где обучение)

То есть 22 процента пациентов умрут ради деревьев решений. Все тутошние в полном восторге и благодарят автора видио!

Полезно, спасибо

«2:08» - Почему обучение стоит 500 рублей в месяц? В чем фишка? «5:40» - Спрос на IT-специалистов «6:10» - Почему не выбрали стратегию агрессивного маркетинга? «9:54» - Где можно работать аналитиком данных? «12:08» - Сколько времени занимает старт в новой профессии? «14:05» - Примеры вопросов на собеседовании «15:57» - Статистика успешных собеседований «16:47» - Про удаленную работу «18:45» - Имеет ли значение возраст? «20:45» - Как проходит обучение «29:24» - Какие зарплаты для начинающих специалистов?

«1:58» - О спикере «10:10» - Плюсы аналитики для входа в IT «12:20» - Чего ждут работодатели от начинающих специалистов? «15:16» - Как подготовиться к собеседованию? «17:25» - Что делать, если нет опыта? «22:32» - Реально ли устроиться на удаленку? «26:43» - Про IT-курсы «35:57» - Как понять, какие курсы выбрать? «40:11» - Стоил ли платить дорого за обучение?

Таймкоды: «2:56» - Junior/Middle/Senior «7:31» - Разбор вакансии с hh (часть 1) «9:34» - Роль инициативы на собеседовании «10:43» - День Junior Data Science «11:57» - Перспективы входа в профессию после 40 лет «14:43» - Data Science или разработка? «16:03» - Разбор вакансии с hh (часть 2) «17:15» - А что если нет опыта? «18:10» - Разбор вакансии с hh (часть 3) «20:09» - Подписка Brainskills за 500 рублей/месяц «24:09» - Вывод

Ну я еще поверю что аналитиком можно войти , свитчеру. Но область ds вряд ли, 85% тех кто условный практикум заканчивает работают аналитиками. Не реально конкурировать с теме кто учится в ШАД или тех вузе где на 2 семестре проходят ML, учась по подписке за 500р ))

я от учителя по инфе

Нихрена не понятно, нужно пошагово и с пояснениями для чайников.

Очень понятно новичку! Спасибо))

Почему не объяснено, что хранится в каждом из массивов?

Был на 7 собеседованиях на Junior Python Backend за последний месяц. Почти на каждом спрашивали про ООП (инкапсуляция, наследование - тут выучите MRO, полиморфизм, абстракция) - на каждый принцип нужно понимать примеры. В остальном собеседования были ОООЧЕНЬ разные. Приведу список всех встречавшихся в дополнение к ООП тем: 1) Конкретно язык Python (особенности языка - высокоуровневый с динамической строгой типизацией, переменные это ссылки, mutable / immutable типы данных, декораторы, итераторы, генераторы, области видимости, замыкания, контекстные менеджеры) 2) Django (вопросы по Django ORM, как обрабатывается request, про middleware) 3) Реляционные БД 4) Устройство сети, протоколы (TCP/IP модель, HTTP и HTTPs, DNS) 5) Алгоритмы (сортировки, хеш-таблицы, связные списки, стек / очередь, бинарные деревья, оценка сложности алгоритма) 6) Вопросы по Git 7) Принципы программирования (DRY, KISS, SOLID) и паттерны проектирования (фабрика, мост, адаптер и т.п.) 8) Решение маленьких задачек (например, FizzBuzz - почитайте про него) Т.е. обычное собеседование это ООП + отдельные вещи из 3/4 пунктов. Не пугайтесь, что много, во-первых, супер доскональных ответов не требуется. Например, на вопрос "что такое декораторы, зачем нужны", я отвечал, что это обёртка над вызываемым объектом - классом, функцией, которая реализует дополнительный функционал до вызова и / или после + может как-то обрабатывать аргументы и результат вызова. И что есть встроенные @staticmethod, @classmethod и @property. Т.е. обычно ответ на вопрос по теории это пара предложений, а не гигантская статья на 10 минут)) Также, Вам необязательно отвечать правильно на всё, чтобы получить оффер. По моим наблюдениям, есть ключевые вопросы (ООП), и если дадут задачи - тоже надо постараться решить. В целом если отвечаете на примерно 50-60% вопросов, уже можно получить оффер. Ещё, собеседования ОЧЕНЬ сильно отличаются не только по темам, но и по сложности. После некоторых собеседований я чувствовал себя профессором, который знает всё, после некоторых казалось, что я вообще ноль)) И последний момент, который оказался для меня сюрпризом. Мне оказалось сложнее попасть на собеседование, чем его пройти. Из первых 60 откликов у меня было 1 приглашение (на первый же отклик) и оно закончилось оффером, но я отказался. Потом долго не звали, и потом было 6 собеседований на одной неделе, из которых 2 оффера, 1 отказ, на 1 дали тестовое в продолжение, и по 2м ещё нет ответа. Сделайте 2-3 проекта на github, резюме желательно на английском языке, и изучайте написанные выше темы, и всё получится! P.S.: Кому интересно, какого примерно размера должны быть проекты на github, чтобы обращали внимание - /AndyAnderson91

Ничего не понятно но очень интересно

А где вы определяете x и n? Не понимаю.

Вопросы начинаются на 3:29

Да, даже быстрая сортировка и алгоритмы обхода графа - не сложные, типа суть понимания же🤷‍♂️ Ещё слышал от чувака, что у него спрашивали про бинарные деревья и балансировку их. А, и ещё - можно сходу закинуть ссылку на свой профиль в кодворс (предварительно конечно дойти хотяб до 4 - 3 ката) - это нифигово пруфит твои скилы в плане алгоритмического мышления👌

ruclips.net/video/rcuc_-QOC4E/видео.html А как же преффиксное дерево :) ?

Красава спасибо!

спс

Лучшее объяснение!наконец-то нашла!))

А можно пример когда вес написан паользователем (не встроенные uniform или distance а пользовательский)

Спасибо! Приятно послушать интеллигентного человека!

красава чел продолжай

Ты гений

Ну если смотреть вакансий ,то numpy вообще не пользуется спросом ,везде один Django

Проще в космос улететь

А в чём отличие от RegressionTree?

Видео прикольное, а вот звук плохой (качество звука)

Спасибо, ничего не понятно

Спасибо, чуваааааак

Спасибо, более менее теперь понятно)

Спасибо за видео. А где можно скачать тетрадки из видео?

когда дело доходит до feature_names, feature_cols не работает,не подскажете почему?

годно, спасибо

Хорошее и наглядное объяснение. Спасибо.

Здесь про нампай лежит вместо датафрейм

А где эти ноутбуки взять?

Добрый день! Как насчет Matplotlib, будут ли хорошие примеры использования?

У вас будут примеры работы .csv, .xls, .xml, .json? В программе курса я их видел :)