сложный вопрос.. для меня в 37 лет уйти в это направление с нуля уже кайф)) больше хочется нейронки, но деньги поджимают. оценил вакансии, сложилось впечатление, что в ML проще зайти. Хотя параллельно нейронки прохожу и на мой взгляд этот курс их дополняет, своими приемами работы с данными, как минимум, да и более широкой практикой в целом

Ага, специализация дает хорошую основу в обработке данных, обучении разных моделей и проверке гипотез)

ну вот, так что первой работой ML рассматриваю, но параллельно дотягивать до минимума в deep learning.. просто думаю, может это не самый оптимальный план, отсюда и вопрос

В данном случае вы зря разделяете ML и нейронки.
Нейронки — всего лишь один из алгоритмов машинного обучения. То, что они на слуху, не означает, что они самые важные. Тот же катбуст в усредненной работе пригодится куда больше нейронок.
Более того, пользоваться нейросетями, не зная базовых подходов — означает делать очень глупые ошибки. Легко можно получить нейросеть, которая вроде по метрикам ок, а в жизни хуже рандома.

+1

Я начинающий) но вот еще нигде в учебных проект кат буст не был лучше лгбм . Это ток у меня? В чем его соль (кроме работы с кат признаками - все равно данные подготавливал до)

Соль в том, что катбуст значительно универсальнее, во многих задачах быстрее и активно развивается.

Я не хочу вступать в полемику, какой градиентный движок лучше. Если взять ситуацию в вакууме, где я мог бы выбрать лишь один инструмент на всю жизнь, я бы выбрал катбуст.  

В том соотбщении я его сравнивал по пользе в жизни с нейронками, а не с другими движками бустинга. :)

Спс.
Я не ради полемики. Я ж из-за отсутствия опыта)

я так понимаю тут зависит от сферы применения. я смотрю в сторону зрения и речи в будущем. насколько я понимаю, это все нейронки. но а насчет базы не спорю ни разу. сам выше это и написал. поэтому специализацию прохожу, чтобы в основах разбираться

#C2W3 задание 6 в программировании. номера признаков отсеянных Лассо надо в исходном датафрейме указывать или в отобранном с вещественными признаками на 13 колонок? пока ни так ни эдак не проходит

обучать нужно на конкатенации вещественных нулевых и категориальных преобразованных

а искать нулевые среди первых 13 (это как раз исходные вещественные)

спасибо) так и делаю. буду искать ошибку

внимательно проверьте, чтобы выборки сделаны со стратификацией, затем отмасштабированы. проверьте параметры лог. регрессора. должен использоваться подбор гиперпараметра через гридцв. ну и проверьте, не перепутали ли где-то случайно имена переменных, т.к. задание выполняете в большом блокноте. может быть, туда затесались старые данные от предыдущих заданий

еще на всякий случай, номера признаков начинаются с 0

все проверил по вашим рекомендациям, ошибок не нашел. попробовал еще раз загрузить прошлый ответ - принял. чудеса)) всем спасибо!

C6W1 анализ оттока, проверьте пожалуйста кто может, проверю вашу в ответhttps://www.coursera.org/learn/data-analysis-project/peer/roSOe/opisatiel-nyi-analiz-dannykh/review/Bsrk_qS0EeqFWw7cHy3gvQ

я прошел почти всю спец-ю и токв начале просил чекнуть работу. далее просто забил, потому что какой смысл в этом? в чем спешка? для чего? в течение 2-3 дней вашу работу без напоминаний здесь проверят.

Согласен, кроме 2-3 дней) Я один раз ждал почти месяц.

Самое главное, что сертификат можно получить и без проверки

А на чужих проверяемых работах посмотреть, где у тебя есть ошибки