Спасибо.
Посмотрю.

Это Илье

Гарвадр поищите по фамилии препода блитцщтейн

Ок, гляну

Немного глупый вопрос, но все же.

На что можно рассчитывать после прохождения данной специализации? Хватит ли этих знаний для стажировки(даже если без зарплаты)?

Кстати благодарю Вас за ролики. Я по ним учил дискретку в 2018))

Думаю что пришло время поделиться своей историей. Ровно год назад я записался на 1 курс нашей специализации, через полгода устроился на работу закончив 3 курса, 4-й курс добивал уже работая, он пришелся очень в тему)
Мне 38, раньше много работал аналитиком, в арсенале имел отличный Excel , SQL и немного VBA, зарабатывал около 90к. Образование у меня - так себе - платное, вечернее, после 30 лет полученное. "Прикладная информатика" от шарашкиной конторы, короче вы понимаете уровень). В общем курсы шли очень туго, каждый отнимал по месяцу в режиме full time, а 4 курс отнял 4 месяца, т.к. он уже совмещался с работой. Трудности были и с Питоном и с математикой одновременно. В общем, после 3 курса, весной начал искать работу, в резюме наврал с три короба, поэтому много ходил по собеседованиям и там позорился, но не сильно переживал, ибо сам выбрал такую тактику - развитие через конфликт. В итоге устроился в Олдскульную компанию где я первый и единственный DS на ЗП 100 к. Тут мне и пошла карта, я применил в деле почти все наши учебные задачи, иногда просто для демонстрации возможностей. Наловчился работать в Python с библиотеками, так что Excel вообще теперь не открываю из-за убогости его. Ну и начальство в восторге от новых технологий, уже договорились о 150к с нового года и это не предел, разумеется. Так что если Олды здесь, знайте, жизненный опыт в сумме с новыми технологиями дают мультипликативный (синергетический) эффект.
Что примечательно - на работе, все админы и разработчики считают меня адским математиком))
*Цены указанны московские. #success_story

Разобрался, спасибо

Распределение бернулли действительно не подходит

Ребят, подскажите плиз, ни у кого не было проблем со стохастическим спуском в c2_w1 задании последнем?

у меня ошибка как-то не особо уменьшается, по сравнению с другими методами, хотя, вроде, норм все делаю =)

вижу на форуме вопросы про аналогичную проблему, типа

https://www.coursera.org/learn/supervised-learning/discussions/weeks/1/threads/Mtvwa87eSYCb8GvO3tmA4g

подохреваю, что ошибка должна быть плюс минус, как в варианте с аналитическим решением (2.784)

но выходит далеко от него чет (42.817)

#C2W3
Добрый день!
Подскажите, что делаю не так в 1-ой части задания (формировании 1-ого файла):
------------------------------------------
# объединяю вещественные и категориальные признаки
X_train_zeros = np.hstack((X_train_real_zeros,X_train_cat_oh))
X_train_means = np.hstack((X_train_real_mean,X_train_cat_oh))
# задаю классы для линейной регрессии и кросс валидации
regressor = LogisticRegression(penalty='l2', solver = 'liblinear')
grid_0_cv = GridSearchCV(regressor, param_grid, cv = cv)
grid_m_cv = GridSearchCV(regressor, param_grid, cv = cv)
# Обучаю модели
grid_0_cv.fit(X_train_zeros,y_train)
grid_m_cv.fit(X_train_means,y_train)
# делаю предсказания по модели
test_pred_zeros = grid_0_cv.predict_proba(X_test_zeros)
test_pred_means = grid_m_cv.predict_proba(X_test_means)
# вычисляю метрики
auc_roc_zeros = roc_auc_score(y_test,test_pred_zeros[:,1])
auc_roc_mean = roc_auc_score(y_test,test_pred_means[:,1])
# пишу в файл
write_answer_1(auc_roc_mean,auc_roc_zeros)
------------------------------------------
Результат проверку не проходит.
Подскажите корректна ли данная часть кода или какие-то функции вызваны не с теми параметрами?

Здравствуйте.
У меня не было проблем.
Там в ноутбуке где-то есть примечание о соответствии ошибок. Надо брать данные из модели с помощью методов самой модели.
Возможно в этом ошибка у вас.

Попробуйте не задавать penalty в LogisticRegression.
И в GridSearchCV сразу указать scoring = "roc_auc"

Спасибо за ответ.
Разобрался. Дело было в формировании самих выборок. Ответ нашел тут:
https://www.coursera.org/learn/supervised-learning/discussions/weeks/3/threads/SyQA3FgvEeu_fworF2OESQ
Предоставленная функция calculate_means - меняет исходные данные => после её вычисления в параметры пишутся уже измененные значения. Использовал вместо нее pandas.DataFrame.mean(axis=0) и все получилось.

Я тоже не использовала эту функцию.

Да, мы ещё знаем что старый конь борозды не портит

Кринжатура какая-то