Exploratory data analysis в Pandas | Вебинар Лаврентия Данилова | karpov.courses

Курс «Аналитик данных»: bit.ly/3zExQ5c
EDA - первая, и пожалуй, самая важная часть анализа данных. Перед тем, как приступить к построению сложных моделей и поиску инсайтов в данных, нужно убедиться, что с данными всё хорошо, в них нет ошибок и противоречий. Мы поговорим о том, как при помощи визуализации и описательных статистик научиться знакомиться с данными и находить в них подводные камни.
Таблицу и ноутбук можно скачать тут:
drive.google.com/drive/folder...
Учитесь Data Science с нами: karpov.courses/

[@andrewu.2163]

Супер, спасибо

[@TheDeatgod]

В Дропбоксе с материалами затаились скриншоты из игры. Так и задуманно?

[@karpovcourses]

Хм, так быть не должно! Обновили ссылку на ноутбук с данными, спасибо:)

[@emsantjago3729]

Не соглашусь с тем, что от выбросов обязательно надо избавляться, ведь бывает так, что такие наблюдения несут в себе полезную информацию и если мы от них избавимся, то часть этой информации будет потеряна. При наличии сильных выбросов можно использовать робастный подход (наиболее развит в рамках регрессионного анализа) - он позволяет не исключать нетипичные наблюдения, а снизить их негативное влияние при построении/обучении модели)

[@Leha_from_Zavod]

Вот в этом проблема отдельных курсов, тут нет перспективы машинного обучения, а просто поверхностный анализ без аппеляции к статистическим методам

[@jackignatev]

На самом ли деле?

[@karpovcourses]

На самом деле - Лаврентий!

[@madikhan-only]

Поддерживаю, на самом деле

[@alexwm547]

На самом деле, в реальности, на самом деле.

[@vadimkr6042]

спасибо! Контент хороший. Но автору надо поработать над словами-паразитами, по ходу много ляпов типа "выжило меньше, чем спаслось" :))