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
Гидравлика Задача 1.138
Z24
: 1 декабря 2025
Как изменятся объемный вес и плотность воды друг относительно друга на экваторе и Северном полюсе?
Ответ: плотность на экваторе уменьшиться в 0,99 раза, а объемный вес воды увеличится на полюсе в 1,013 раза.
120 руб.
Контрольная работа: Маркетинг в отрасли инфокоммуникаций Вариант: 7
Nevka
: 10 февраля 2015
На основании данных таблицы 1., графически изобразим объем продажи товара (рисунок 1).
Рисунок 1 показывает, что для зависимости может быть использовано уравнение прямой линии y = a0 + a1 x
Для расчета значений a0 и a1 составляем вспомогательную таблицу 1.2
2. МЕТОД НАИМЕНЬШИХ КВАДРАТОВ. Метод позволяет наиболее точно определить состав общих затрат и содержание в них постоянной и переменной составляющих.
ЗАДАЧА № 1
Фирма осуществляет производство и продажу товара через сеть фирменных магазин
100 руб.
Гидравлика Задача 10.392
Z24
: 27 июня 2026
Всасывающий трубопровод насоса (рис. 6.1) имеет длину l = 5 м и диаметр d = 32 мм. Высота всасывания насоса h = 0,8 м, атмосферное давление рат = 100 кПа. Насос подает минеральное масло при расходе Q = 50 л/мин, кинематическом коэффициенте вязкости ν = 10 сСт, плотности ρ = 890 кг/м³. Коэффициенты местных сопротивлений: плавного поворота — 0,1, вентиля — 4,5, фильтра — 10. Определить давление p2 на входе в насос.
200 руб.
Экзаменационная работа по дисциплине: Математический анализ (часть 1). Билет №2
Roma967
: 18 августа 2019
Билет №2
1. Замечательные пределы и их следствия. Неопределенности. Приемы их раскрытия.
2. Вычислить производные функций: а), б), в) (см. скрин).
3. Провести полное исследование функции и построить её график:
y=ln(x^(2)-1)
4. Исследовать на экстремум функцию двух переменных:
z=xy-3x^(3)-2y
5. Найти неопределенные интегралы: a), b), c) (см. скрин).
500 руб.