DataSciencePRO

☠️ Обучение веб парсингу | Парсинг динамического сайта 💰 Зарабатываeм на фрилансе 4500 💡 Requests | JSON | Работа с API #youtube https://youtu.be/-T1_JG_qa-s

Прям наше все

Пять возможностей Python, которые полезно знать Обо всех или некоторых возможностях опытные разработчики, вероятно, знают, но новичкам такие вещи могут быть неочевидны и незнакомы, поэтому лучше прочитать эту статью, чтобы быть во всеоружии: https://tprg.ru/qbr2

​Нормализация данных в Python Используя метод нормализации данных, вы помогаете вашей программе тратить меньше времени и ресурсов при обработке данных за счёт сокращения их количества. Для того, чтобы вы лучше поняли, как это работает и как применять, в этой статье рассмотрены несколько методов нормализации числовых данных: https://tprg.ru/epNk

​Машинное обучение для начинающих: алгоритм случайного леса Алгоритм случайного леса один из самых простых способов познакомиться с машинным обучением — он не требует сложной теории и является достаточно гибким. В этой статье вы изучите, как работает этот алгоритм, где используется и увидите, как он реализуется в Python: https://tprg.ru/AGYh #ml

А это кажись наш алго с 3й курсовой. Налетаем

https://vas3k.ru/blog/machine_learning/

Как раз в тему тем, кто сейчас делает 3й проект от SF)

​​🔥 «Люблю» и «ненавижу»: анализ эмоциональной окраски текста с помощью Python Решаем Data Science-задачу определения эмоциональной окраски текста с помощью Python-библиотеки spaCy и стопки рецензий на фильмы. Сентимент-анализ в действии. статья

🤖 Введение в машинное обучение: решаем Titanic на платформе Kaggle Знакомим читателей с основами Machine Learnng и платформой Kaggle, а также пробуем решить учебный датасет Titanic. https://proglib.io/sh/V4sHX9ZUnu

Может пригодиться

📚 30+ книг по теме: дискретная математика, анализ и алгоритмы 💾 Скачать [Часть 1] 💾 Скачать [Часть 2] 💾 Скачать [Часть 3]