Dane

10 promptów

Kategoria Dane gromadzi prompty wspierające pełny cykl pracy z danymi w data science i machine learning: analiza danych, przygotowanie danych, modelowanie predykcyjne oraz ewaluacja. Wykorzystasz je do czyszczenia danych (brakujące wartości, wartości odstające), EDA na dużych zbiorach danych, doboru cech, wykrywania współliniowości w regresji, radzenia sobie z niezrównoważonymi klasami, doboru technik grupowania i ich oceny oraz projektowania walidacji krzyżowej dla szeregów czasowych w różnych branżach. Prompty pomagają też w interpretacji złożonych modeli (random forest, sieci neuronowe) dla interesariuszy, a także w strategiach wdrożenia modeli w środowisku produkcyjnym (MLOps) i projektowaniu testów A/B dla produktów i usług.

Zaproponuj strategię czyszczenia danych dla zbioru z brakującymi wartościami i wartościami odstającymi w określonej dziedzinie

jakość danychETLuzupełnianie brakujących danychdetekcja anomalii
Stwórz kompleksową strategię czyszczenia danych z brakami i outlierami, obejmującą audyt, imputację, obsługę anomalii i automatyzację, dopasowaną do celu analizy. Zyskaj gotowy pipeline, metryki i monitoring, które podnoszą jakość danych, skracają czas wdrożenia i wzmacniają wyniki modeli.
0
więcej

Dane

10 promptów

Kategoria Dane gromadzi prompty wspierające pełny cykl pracy z danymi w data science i machine learning: analiza danych, przygotowanie danych, modelowanie predykcyjne oraz ewaluacja. Wykorzystasz je do czyszczenia danych (brakujące wartości, wartości odstające), EDA na dużych zbiorach danych, doboru cech, wykrywania współliniowości w regresji, radzenia sobie z niezrównoważonymi klasami, doboru technik grupowania i ich oceny oraz projektowania walidacji krzyżowej dla szeregów czasowych w różnych branżach. Prompty pomagają też w interpretacji złożonych modeli (random forest, sieci neuronowe) dla interesariuszy, a także w strategiach wdrożenia modeli w środowisku produkcyjnym (MLOps) i projektowaniu testów A/B dla produktów i usług.

Najnowsze
Najnowsze
Najstarsze
Najlepiej oceniane
Trafność

Zaproponuj strategię czyszczenia danych dla zbioru z brakującymi wartościami i wartościami odstającymi w określonej dziedzinie

jakość danychETLuzupełnianie brakujących danychdetekcja anomalii
Stwórz kompleksową strategię czyszczenia danych z brakami i outlierami, obejmującą audyt, imputację, obsługę anomalii i automatyzację, dopasowaną do celu analizy. Zyskaj gotowy pipeline, metryki i monitoring, które podnoszą jakość danych, skracają czas wdrożenia i wzmacniają wyniki modeli.
0