Контрольная работа по дисциплине: Обработка и анализ данных. Общий вариант
Состав работы
|
|
|
|
|
|
|
|
|
|
Необходимые программы
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
Направляющие среды в сетях электросвязи и их методы защиты (часть 1). Лабораторная работа 1. Вариант 7.
mirsan
: 27 января 2016
ИСЛЕДОВАНИЕ СОБСТВЕННЫХ И ДОПОЛНИТЕЛЬНЫХ
ЗАТУХАНИЙ В ОПТИЧЕСКИХ КАБЕЛЯХ СВЯЗИ
1. ЦЕЛЬ РАБОТЫ
Цель работы является проведение компьютерного эксперимента по исследованию собственных и дополнительных затуханий в оптических кабелях связи:
- собственных затуханий;
- затуханий в местах соединений оптических волокон;
- затуханий на микроизгибах и макроизгибах;
2. ПРОГРАММА ЛАБОРАТОРНОЙ РАБОТЫ
2.1. Расчет и построение таблицы зависимости затухания из-за поглощения энергии в материале от длинны вол
130 руб.
Лексико-грамматические разряды имен числительных в повести А.И.КУПРИНА «ГРАНАТОВЫЙ БРАСЛЕТ»
MagicT
: 10 мая 2023
ОГЛАВЛЕНИЕ
Введение
Глава 1. Общие сведения о числительном
1.1. Имя числительное как часть речи
1.2. Лексико-грамматические разряды имён числительных
1.2.1. Количественные числительные
1.2.2. Собирательные числительные
1.2.3. Дробные числительные
1.2.4. Порядковые числительные
1.3. Склонение имён числительных
Глава 2. Особенности употребления числительных в повести А.И.Куприна «Гранатовый браслет»
2.1. Лексико-грамматические разряды имён числительных в повести А.И.Куприна «Гранатовый
500 руб.
Лабораторная работа №1 Расчет зоны покрытия БС транкинговых систем радиосвязи. Вариант: №6
Grechikhin
: 6 марта 2024
Исходные данные для расчета
Тип местности – город, с плотной застройкой.
Вариант абонентской радиостанции – портативная станция (ПС).
Таблица 1 Исходные данные
Параметр Базовая станция Носимая (портативная) станция
Несущая частота, МГц 461,5 451,5
Высота установки антенны, м 51 1,5
Мощность передатчика Вт 25 3
Коэффициент передачи фидера, дБ -6 0
Статическая чувствительность приемника, дБм -115 -112
Коэффициент усиления антенны, дБи 6 4,6
На первом этапе проектирования определяют мощность сигн
150 руб.
Лабораторная работа № 4 по дисциплине "Вычислительная математика". Вариант 4
Greenberg
: 9 марта 2012
Лабораторная работа No4. Численное дифференцирование
Известно, что функция удовлетворяет условию при любом x. Измерительный прибор позволяет находить значения с точностью 0.0001. Найти наименьшую погрешность, с которой можно найти по приближенной формуле: . Рассчитать шаг для построения таблицы значений функции, которая позволит вычислить значения с наименьшей погрешностью.
Составить программу, которая
1. Выводит таблицу значений функции с рассчитанным шагом h на интервале [c – h, c
79 руб.