Python w połączeniu z Pandas i Beautiful Soup to potężne i elastyczne narzędzia. Pozwalają wydobyć dane i przekształcać je do użytecznej formy. Cała gra nabiera rumieńców gdy zaczynamy orientować się o jakie stawki się toczy. Myśl przewodnia pierwszej konferencji Data Driven Innovation organizowanej przez Computerworld: Świat, który znamy dzisiaj nie Więcej…
Od jakiegoś czasu mówi się o tym, że dane są nowym paliwem, napędzającym gospodarki. Dane to „Nowe Złoto”, w którym firmy zaczynają szukać swojej przewagi nad innymi. Odkrywanie tego, czego nie widać, ukryte wzorce i sygnały, które tylko czekają na odkrycie, by dać tym, którzy je odnajdą przewagę na rynku. Nowe Złoto Dane to Więcej…
Dzisiaj o tym, jak radzić sobie z brakującymi danymi. Zacznijmy od krótkiego cytatu. „Życie jest jak pudełko czekoladek, nigdy nie wiesz, na co trafisz…”. Forrest Gump Jak jest z danymi? Podobnie, choć jest niemal pewne, że prędzej czy później trafisz na brakujące dane. I choć nie me idealnego sposobu by Więcej…
Dzisiejszy wpis jest związany, z postem o 3 Kluczowych Elementach. Tam podawałem sposoby na świetne modele. W dzisiejszym wpisie wykorzystam dwa potężne modele, aby pokazać sposoby na totalną porażkę jako Data Scientist. Pierwszy model to Zasada 80/20 (zasada Pareta) mówi o tym, że 20% przyczyn powoduje około 80% rezultatów, czyli Więcej…
Czy wiesz, że prostota przebija precyzję? Najciekawsze jest to, że nasze dobre chęci sprawiają, że komplikujemy sobie wszystko. Co z założenia powinno być szybkie i skuteczne staje się długie i prowadzi na manowce. Pierwszy etap, czyli Eksploracja Danych niczym syrena ciągnie młodych marynarzy na mielizny i tam topi ich w Więcej…
Dzisiaj uproszczony przepis na to, by tworzyć konsekwentnie świetne modele. Cały proces tworzenia modelu jest rodzajem rzemiosła. Akt tworzenia modelu przypomina garncarstwo. Jak w każdym rzemiośle można wyodrębnić zasoby, bez których nie sposób tworzyć. Uczenie Maszynowe niewiele się różni pod tym względem. Wyodrębniłem 3 elementy, które wpływają na to, czy Więcej…
Kluczowym wydaje się posiadanie gotowego zbioru danych, jeśli chcemy tworzyć modele. Jest to prawdą. Zadajmy sobie jednak pytanie. Czy możemy stworzyć model bez danych? Możemy. Musimy zostać Doktorem Frankensteinem. Wyobraźmy sobie dane jako żywy organizm. Co robimy, jeśli nie mamy żywego organizmu? Bierzemy martwą materię (czyt. zwłoki) i ją ożywiamy. Więcej…
Gdy zaczynałem swoją przygodę z Data Science, uczyłem się głównie z zagranicznych blogów i serwisów. Teraz jest inaczej. Na polskim rynku jest dużo wybitnych ludzi, którzy dzielą się swoją wiedzą. Robią to w dodatku w świetnym stylu. Poniżej lista mojej ulubionej 7-mki, którzy nie dość, że mają wiedzę, to jeszcze Więcej…
Dzisiejszy wpis będzie krótki, będzie uproszczony i jest to celowy zabieg, bo jego celem będzie wyjaśnienie pojęć, takich jak: Uczenie Maszynowe i Model. Do wyjaśnienia wykorzystam parę zgrabnych… modeli. Zanim zaczniemy, małe intro, aby wejść w klimat. Intro Zwykły dzień w pracy. Szef wysyła Cię razem z kolegą aby, odebrać Więcej…
Jeśli jest jakaś biblioteka w Pythonie, którą można nazwać Ojcem Chrzestnym wizualizacji, byłby to Matplotlib. Za myśl przewodnią całego wpisu niech posłuży nam poniższy cytat. Metod może być milion i więcej, lecz zasad jest tylko kilka. Człowiek, który rozumie zasady, może z powodzeniem wybierać metody. Człowiek, który próbuje metod, ignorując Więcej…