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 по дисциплине: Обработка и анализ данных. Общий вариант
Учеба "Под ключ"
: 2 августа 2026
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 программ
Результат работы программы
Выводы
Задание 2. Исследовательский анализ данных
Цель раб
1500 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.
Другие работы
Отводка с винтовым приводом МЧ00.12.00.00 solidworks
bublegum
: 14 апреля 2021
Отводка с винтовым приводом МЧ00.12.00.00 сборочный чертеж
Отводка с винтовым приводом МЧ00.12.00.00 спецификация вшита в сборочный чертеж на втором и листе
Корпус МЧ00.12.00.01 чертеж 3д модель
Стойка МЧ00.12.00.02 чертеж 3д модель
Полукольцо верхнее МЧ00.12.00.03 чертеж 3д модель
Полукольцо нижнее МЧ00.12.00.04 чертеж 3д модель
Рычаг МЧ00.12.00.05 чертеж 3д модель
Траверса МЧ00.12.00.06 чертеж 3д модель
Ось МЧ00.12.00.07 чертеж 3д модель
Винт МЧ00.12.00.08 чертеж 3д модель
Втулка МЧ00.12.00.09
600 руб.
Задача по математике: .пирамида
anderwerty
: 5 августа 2015
1. В правильній чотирикутній піраміді бічні грані утворюють з площиною кут 600. Визначити повну площу поверхні піраміди, якщо її висота дорівнює 12см.
5 руб.
Проектирование электропривода подач металлорежущего станка
alfFRED
: 15 февраля 2014
СОДЕРЖАНИЕ
1. ТЕХНИЧЕСКОЕ ЗАДАНИЕ. 3
2. ТЕХНИЧЕСКИЙ ПРОЕКТ. 3
2.1. РАССЧЁТ ПАРАМЕТРОВ ОСНОВНЫХ ЭЛЕМЕНТОВ.. 3
2.1.1. РАСЧЁТ ПАРАМЕТРОВ ЭЛЕКТРОДВИГАТЕЛЯ.. 3
2.1.2. РАСЧЁТ ПАРАМЕТРОВ ТИРИСТОРНОГО ПРЕОБРАЗОВАТЕЛЯ МОЩНОСТИ 3
2.1.3. РАССЧЁТ ПАРМЕТРОВ ДАТЧИКОВ ОБРАТНОЙ СВЯЗИ.. 3
2.2. ВЫВОД ПЕРЕДАТОЧНЫХ ФУНКЦИЙ ЭЛЕМЕНТОВ ЭЛЕКТРОПРИВОДА 3
2.3. ПОСТРОЕНИЕ СТРУКТУРНОЙ СХЕМЫ.. 3
2.4. ОПРЕДЕЛЕНИЕ КАЧЕСТВЕННЫХ ПОКАЗАТЕЛЕЙ СИСТЕМЫ.. 3
2.5. СИНТЕЗ СИСТЕМЫ.. 3
ЗАКЛЮЧЕНИЕ. 3
10 руб.
Использование рыб осетровых пород в рыбной промышленности
Lokard
: 31 декабря 2015
Содержание:.
Введение.
Аналитический обзор литературы.
Характеристика рыб осетровых пород.
Искусственное выращивание рыб осетровых.
Проблемы промышленной переработки рыб осетровых пород.
Перспективное использование рыб осетровых пород в рыбной промышленности.
Продукты переработки рыб осетровых пород.
Заключение.
Список использованной литературы.
47 руб.