На мероприятии эксперт показывает, как решать в Loginom соревновательную задачу Kaggle 2018 года из области машинного обучения — "Home Credit Default Risk" .
Что вас ждет?
— Подготовка данных — как из 8 "сырых" таблиц сделать обучающую и тестовую выборки.
— Модели машинного обучения для предсказания вероятность невозврата кредита клиентом.
— Получение прогнозов на тестовой выборке через REST-запрос к Kaggle.
— Разработка и публикация собственного веб-сервиса в Loginom для скоринга новых клиентов.
Рекомендуются владение базовыми навыками по работе со сценариями в Loginom, а также знание терминологии машинного обучения:
— модель;
— обучение;
— выборка;
— обучающее и тестовое множество;
— стандартизация;
— кодирование признаков.
Полная версия воркшопа с данными, теорией, практикой и домашним заданием: [ Ссылка ]..
Все возможности аналитической платформы: [ Ссылка ]
Скачать бесплатную редакцию Loginom: [ Ссылка ]
Электронные курсы по аналитике данных: [ Ссылка ]
Страница Мастерской Loginom Skills: [ Ссылка ]
Присоединяйтесь к телеграм-каналу Loginom Skills: [ Ссылка ]
Остались вопросы? Пишите: [ Ссылка ]
#Loginom #lowcode #datascience
Решение задачи Kaggle Home Credit Default Risk
Теги
loginomlow codedata scienceanalyticsmachine learningdata miningbusiness analyticsаналитика данныханализ данныхбизнес аналитикаartificial intelligencedata integrationdata processingdata managementинтеграция данныхобработка данныхуправление даннымиsoftwareобучениекурсылогистическая регрессиядерево решенийсппрскорингочистка данныхФорстайтIBM SPSSALTERYXKNIMERapidMinerсегментациявеб-сервисвизуализацияtableau