Контрольная работа по дисциплине: Обработка и анализ данных. Общий вариант
Состав работы
|
|
|
|
|
|
|
|
|
|
Работа представляет собой zip архив с файлами (распаковать онлайн), которые открываются в программах:
- Microsoft Word
Описание
Задание 1. Модели и оценка их эффективности
Цель – получить навыки работы c библиотеками Python для задач анализа данных.
Задачи:
1. Загрузить в рабочую зону предоставленный набор данных.
2. Восстановить пропущенные значения.
3. Построить модель классификации и настроить её гиперпараметры.
4. Отобрать информативные признаки и оценить влияние этого процесса на работу модели.
Ход работы
Загрузка набора данных
Проверка пропусков
Восстановление пропущенных значений
Разделение на признаки и целевую переменную
Создание необходимых объектов
Инициализация модели CatBoost. Оценка модели с помощью перекрёстной проверки.
Оценка информативности признаков
Отбор информативных признаков
Оценка модели на новом наборе данных
Задание 2. Исследовательский анализ данных
Цель работы: получить навыки работы с библиотеками Pandas, Numpy.
Задачи:
‒ Установить необходимые библиотеки;
‒ Импортировать библиотеки;
‒ Загрузить набор данных;
‒ Изучить существующие функции и проделать агрегации.
Ход работы
Импорт библиотек
Предобработка данных
Последние строки, статистики, типы
Размеры и общее число элементов
Агрегация: средняя длительность треков по годам
Разные выборки через iloc
Примеры Series и сборка DataFrame из двух серий
Типы при выборе одной/двух колонок
Работа с датой: перевод release_date в datetime и выделение года
Заключение
Задание 3. Построение системы ИИ с помощью инструментов Scikit-Learn для решения задачи классификации
Цель работы: научиться строить модели классификации.
Задачи:
‒ Научиться строить классификаторы;
‒ Научиться оценивать его качество;
‒ Изучить вклад используемых переменных в решения классификатора;
‒ Научиться визуализировать классификатор (дерево решений).
Ход работы
Импорт библиотек
Загрузка набора данных
Преобразование дат
Разделение данных
Создание и обучение классификатора
Вклад признаков в классификацию
Визуализация дерева решений
Заключение
Цель – получить навыки работы c библиотеками Python для задач анализа данных.
Задачи:
1. Загрузить в рабочую зону предоставленный набор данных.
2. Восстановить пропущенные значения.
3. Построить модель классификации и настроить её гиперпараметры.
4. Отобрать информативные признаки и оценить влияние этого процесса на работу модели.
Ход работы
Загрузка набора данных
Проверка пропусков
Восстановление пропущенных значений
Разделение на признаки и целевую переменную
Создание необходимых объектов
Инициализация модели CatBoost. Оценка модели с помощью перекрёстной проверки.
Оценка информативности признаков
Отбор информативных признаков
Оценка модели на новом наборе данных
Задание 2. Исследовательский анализ данных
Цель работы: получить навыки работы с библиотеками Pandas, Numpy.
Задачи:
‒ Установить необходимые библиотеки;
‒ Импортировать библиотеки;
‒ Загрузить набор данных;
‒ Изучить существующие функции и проделать агрегации.
Ход работы
Импорт библиотек
Предобработка данных
Последние строки, статистики, типы
Размеры и общее число элементов
Агрегация: средняя длительность треков по годам
Разные выборки через iloc
Примеры Series и сборка DataFrame из двух серий
Типы при выборе одной/двух колонок
Работа с датой: перевод release_date в datetime и выделение года
Заключение
Задание 3. Построение системы ИИ с помощью инструментов Scikit-Learn для решения задачи классификации
Цель работы: научиться строить модели классификации.
Задачи:
‒ Научиться строить классификаторы;
‒ Научиться оценивать его качество;
‒ Изучить вклад используемых переменных в решения классификатора;
‒ Научиться визуализировать классификатор (дерево решений).
Ход работы
Импорт библиотек
Загрузка набора данных
Преобразование дат
Разделение данных
Создание и обучение классификатора
Вклад признаков в классификацию
Визуализация дерева решений
Заключение
Дополнительная информация
Зачет без замечаний!
Год сдачи: 2025 г.
Преподаватель: Данилова Л.Ф.
Помогу с другим вариантом.
Выполняю работы на заказ по следующим специальностям:
МТС, АЭС, МРМ, ПОВТиАС, ПМ, ФиК и др.
E-mail: help-sibguti@yandex.ru
Год сдачи: 2025 г.
Преподаватель: Данилова Л.Ф.
Помогу с другим вариантом.
Выполняю работы на заказ по следующим специальностям:
МТС, АЭС, МРМ, ПОВТиАС, ПМ, ФиК и др.
E-mail: help-sibguti@yandex.ru
Похожие материалы
Контрольная работа по дисциплине: Обработка и анализ данных. Вариант общий
xtrail
: 15 августа 2024
*** Контрольная состоит из отчета (docx) и файлов программы, написанных на языке Python ***
Задание 1. Модели и оценка их эффективности
Цель - получить навыки работы c библиотеками Python для задач анализа данных.
Задачи:
1. Загрузить в рабочую зону предоставленный набор данных.
2. Восстановить пропущенные значения.
3. Построить модель классификации и настроить её гиперпараметры.
4. Отобрать информативные признаки и оценить влияние этого процесса на работу модели.
Листинг программы
Результат р
1400 руб.
Контрольная работа по дисциплине: Обработка и анализ данных. Вариант для всех
SibGUTI2
: 27 июля 2024
Контрольная работа включает 3 комплексных задания и посвящена анализу данных и построению моделей интеллектуальной обработки данных при помощи библиотек Python. Все 3 задания должны быть выполнены и представлены в одном отчете. Для каждого из трех заданий задан определенный набор данных, доступные для скачивания в архиве по ссылке:
задание 1 – train_new.csv
задание 2 – StudentsPerformance.csv
задание 3 – data.csv
Каждое комплексное задание содержит 4 простых задания. Выполнение каждого простого
300 руб.
Контрольная работа по дисциплине: Обработка и анализ данных. Вариант №01
IT-STUDHELP
: 11 октября 2023
Контрольная работа
Вариант №01
Задание 1. Модели и оценка их эффективности
Цель – получить навыки работы c библиотеками Python для задач анализа данных.
Задачи:
1. Загрузить в рабочую зону предоставленный набор данных.
2. Восстановить пропущенные значения.
3. Построить модель классификации и настроить её гиперпараметры.
4. Отобрать информативные признаки и оценить влияние этого процесса на работу модели.
Листинг программы
*******************
Результат работы программы
---------------------
450 руб.
Контрольная работа по дисциплине: Обработка и анализ данных. Вариант №23
IT-STUDHELP
: 20 мая 2023
Контрольная работа
Вариант №23
Задание 1. Модели и оценка их эффективности
Цель – получить навыки работы c библиотеками Python для задач анализа данных.
Задачи:
1. Загрузить в рабочую зону предоставленный набор данных.
2. Восстановить пропущенные значения.
3. Построить модель классификации и настроить её гиперпараметры.
4. Отобрать информативные признаки и оценить влияние этого процесса на работу модели.
Задание 2. Исследовательский анализ данных
Цель работы: получить навыки работы c библиотек
900 руб.
Контрольная работа по дисциплине: Обработка и анализ данных. Вариант 02
IT-STUDHELP
: 14 мая 2022
Контрольная работа
Задание 1. Модели и оценка их эффективности
Цель – получить навыки работы c библиотеками Python для задач анализа данных.
Задачи:
1. Загрузить в рабочую зону предоставленный набор данных.
2. Восстановить пропущенные значения.
3. Построить модель классификации и настроить её гиперпараметры.
4. Отобрать информативные признаки и оценить влияние этого процесса на работу модели.
Задание 2. Исследовательский анализ данных
Цель работы:
получить навыки работы c библиотеками Pandas, N
900 руб.
Лабораторная работа №3 По дисциплине: Обработка и анализ данных. Общий вариант
Учеба "Под ключ"
: 9 марта 2026
Лабораторная работа №3. Работа с БД
Создать программу для работы с базой данных, при этом добавив обработку исключительных ситуаций. База данных должна содержать не менее 5 связанных таблиц. У программы должен быть графический интерфейс (возможность отображать таблицы с помощью библиотеки Pandas, редактировать таблицы с помощью интерактивных форм) [https://colab.research.google.com/notebooks/forms.ipynb]. По сохраненным данным в таблицах построить минимум 3 различных аналитических графика [ht
500 руб.
Лабораторная работа №2 по дисциплине: Обработка и анализ данных. Общий вариант
Учеба "Под ключ"
: 9 марта 2026
Лабораторная работа №2. Работа с файлами. Списки
Задание.
Программа должна создавать файл *.xls, записать в него сгенерированный случайным образом массив чисел. Затем, с помощью реализованного алгоритма сортировки, одного из предложенных преподавателем, записать отсортированную последовательность чисел в ранее созданный файл *.xls.
Алгоритмы сортировки:
- Сортировка выбором;
- Сортировка вставками;
- Сортировка «Методом пузырька»; (используется в данной работе)
- Сортировка Шелла;
-
500 руб.
Обработка и анализ данных. Контрольная работа. Вариант ОБЩИЙ.
aleshin
: 22 октября 2022
Задание 1. Модели и оценка их эффективности
Цель – получить навыки работы c библиотеками Python для задач анализа данных.
Задачи:
1. Загрузить в рабочую зону предоставленный набор данных.
2. Восстановить пропущенные значения.
3. Построить модель классификации и настроить её гиперпараметры.
4. Отобрать информативные признаки и оценить влияние этого процесса на работу модели.
Задание 2. Исследовательский анализ данных
Цель работы:
получить навыки работы c библиотеками Pandas, Numpy.
Задачи:
1. Ус
451 руб.
Другие работы
Захист робочих та населення внаслідок аварії на хімічно небезпечному об'єкті
alfFRED
: 8 марта 2014
Вступ
1. Вхідні данні до розрахунково-графічної роботи
2. Фізико-хімічні і токсичні властивості сірковуглецю
3. Оцінка хімічного стану на об’єктах, які мають сильнодіючі отруйні речовини
3.1 Визначення розмірів та площі зони хімічного зараження
3.2 Визначення часу підходу зараженого повітря до певного рубежу
(об'єкту)
3.3. Визначення часу вражаючої дії СДОР
3.4 Визначення границь можливих епіцентрів хімічного враження
3.5 Визначення можливих втрат людей в епіцентрі х
10 руб.
ИГ.02.03.02 - Эпюр 2. Задача 2
Чертежи СибГАУ им. Решетнева
: 26 июля 2023
Все выполнено в программе КОМПАС 3D v16
Вариант 3
ИГ.02.03.02 - Эпюр 2. Задача 2. Способ перемены плоскостей проекций
В плоскости, заданной двумя параллельными прямыми m и n, построить прямые a и b, параллельные заданным и отстоящие от прямой n на 10 мм.
Решать способом перемены плоскостей проекций.
M(50;15;60)
E(80;0;40)
N(70;40;15)
В состав работы входят два файла:
- чертеж формата А3 с сохранением всех линий построения, для большей понятности стрелками указан ход построения, равные расстоя
100 руб.
Вычислительная техника и информационные технологии.
русик777
: 13 августа 2020
Дисциплина "Вычислительная техника и информационные технологии." Вариант № 01.
1 Преобразовать восьми- и шестнадцатеричные числа в двоичную
систему счисления:а) 7356, 0418=111011101110, 0001000012
б) А1F, 02С16=101000011111, 0000001011002
в) 6472, 1058=110100111010, 0010001012
4 Пользуясь правилом де Моргана преобразовать выражение и
составить структурную схему в базисе И-НЕ:
A) X1*X2+X1*X2*X3+X1*X2*X3= X1*X2+X1*X2*X3+X1*X2*X3=
= (X1*X2)*(X1*X2*X3)*(X1*X2*X3).
150 руб.
Курсовая работа по дисциплине: «Экономика предприятия». Вариант №7
xtrail
: 26 января 2014
ОБЩИЕ ИСХОДНЫЕ ДАННЫЕ:
Индекс инфляции в соответствии с прогнозом –110 %
Удельный вес оборотных средств в общей стоимости ОПФ – 3,5 %
Ставка страховых взносов – 30 %
Ставка НДС – 18 %
Ставка налога на имущество – 2,2 %
Ставка налога на прибыль – 20 %
Наименование показателей Единицы измерения 7
1.1. количество абонентов (сим-карт)
а) среднее количество за 6 мес. тек. год. абонент 23720
б) ожидаемый прирост во 2-ом полугодии тек. года
3-й квартал абонент 370
4-ый квартал абонент 345
в)
400 руб.