Статьи собраны как рабочий контур: от первых шагов и математики до production, MLOps, собеседований и реальных проектов.
Рекомендательная система появляется там, где человеку нужно не просто показать весь каталог, а быстро сузить пространство выбора. Когда у сервиса десять фильмов, сто товаров или пять статей, человек...
Time series в Data Science часто пугают сильнее, чем обычные табличные модели. Причина понятна: здесь недостаточно просто взять признаки, разделить данные на train и test и обучить алгоритм. Во...
Пропущенные значения в таблице редко выглядят драматично. Это просто пустые ячейки, NaN, null или пробелы. Но именно такие незаметные дыры часто ломают весь pipeline сильнее, чем явные ошибки в...
Выбросы в данных многие сначала воспринимают как несколько странных строк в таблице. На практике это одна из тех деталей, которые тихо ломают почти весь анализ. Среднее уезжает в сторону...
Стандартизация и нормализация на старте кажутся почти одним и тем же действием: мы просто меняем масштаб чисел. На практике это две разные логики работы с признаками. Одна переводит значения в язык...
Когда студент впервые слышит фразу «масштабирование признаков», она часто звучит как техническая мелочь из этапа препроцессинга. Кажется, что это что-то второстепенное: сначала же нужно понять...
Почти каждый студент в Data Science довольно быстро сталкивается с простой, но важной проблемой. В таблице есть признаки вроде города, тарифа, цвета, типа устройства или категории товара. Для...
Когда человек впервые слышит про LightGBM, ему обычно говорят короткую фразу: это быстрый градиентный бустинг на деревьях. Формально это верно, но для понимания почти бесполезно. Новичку от такой...
CatBoost часто рекомендуют как один из самых удобных алгоритмов для табличных данных. Но если ограничиться фразой «это просто еще один градиентный бустинг», будет потеряна главная идея. Сила...
Градиентный бустинг часто описывают как «ансамбль деревьев», но такая формулировка слишком поверхностна. Суть метода не в том, что у нас просто много моделей. Суть в том, что они обучаются не...
Feature selection в Data Science часто ошибочно понимают как техническую уборку перед обучением модели. Кажется, что речь идет просто о том, чтобы убрать лишние столбцы и сократить таблицу. Но на...
Классовый дисбаланс в Data Science появляется тогда, когда один класс в данных встречается заметно чаще другого. На словах это звучит как техническая деталь, но в реальной задаче именно здесь часто...
По этому фильтру статьи не найдены.
Заполните заявку: она откроется в Telegram-чате с преподавателем, там же обсудите дату и стоимость.