Prakticheskii opyt obucheniia metodam intellektual'nogo analiza na platforme Python Anaconda

Proceeding
All-Russian Scientific and Methodological Conference «Digital Education: A New Reality»
Creative commons logo
Published in:
All-Russian Scientific and Methodological Conference «Digital Education: A New Reality»
Authors:
Amandos D. Tulegulov 1 , Vladimir S. Eshpanov 1 , Asylkhan Ismailov 1 , Ainur T. Serikpai 1 , Ainur A. Abdikerimova 1 , Milena V. Sarsembai 2
Work direction:
Лучшие практики обучения по предметной области «Информатика» с использованием цифровой образовательной среды с последующей диссеминацией позитивного опыта
Pages:
197-200
Received: 17 November 2020

Rating:
Article accesses:
2229
Published in:
РИНЦ
1 Kazakhskii universitet tekhnologii i biznesa
2 Kidderminsterskoe uchebnoe zavedenie
For citation:
Tulegulov A. D., Eshpanov V. S., Ismailov A., Serikpai A. T., Abdikerimova A. A., & Sarsembai M. V. (2020). Prakticheskii opyt obucheniia metodam intellektual'nogo analiza na platforme Python Anaconda. Digital Education: A New Reality, 197-200. Чебоксары: PH "Sreda".

Abstract

В статье представлены краткие результаты практического опыта обучения методам интеллектуального анализа на платформе Pyton Anaconda. Приведены конкретные скрипты, на основе которых сделаны выводы, которые позволяют утверждать об эффективности применения методов интеллектуального анализа на практических занятиях по дисциплине «Информатика». В результате авторы получили достаточно полную модель, на основе которой возможно дальнейшее прогнозирование поведения объектов исследования в различных ситуациях, что в свою очередь доказывает, что в процессе формирования понимания значимости развития цифровых навыков огромную роль играют практики, демонстрирующие конкретные результаты.

References

  1. 1. Барсегян А.А. Методы и модели анализа данных: OLAP и Data Mining / А.А. Барсегян, М.С. Куприянов, В.В. Степаненко [и др.]. – СПб.: БХВ-Петербург, 2004. – 336 с.
  2. 2. Делаем проект по машинному обучению на Python. Ч. 1 / NIX Solutions corporate blog / Habr [Электронный ресурс]. – Режим доступа: https://habr.com/ru/company/nix/blog/425253/
  3. 3. Плас Дж. Вандер. Python для сложных задач: наука о данных и машинное обучение. – СПб.: Питер, 2018. – 576 с.
  4. 4. A Complete Machine Learning Walk-Through in Python: Part Three [Электронный ресурс]. – Режим доступа: https://towardsdatascience.com/
  5. 5. Witten I.H. Data Mining: practical machine learning tools and techniques / I.H. Witten, Eibe Frank. – 2nd ed. p. cm. – (Morgan Kaufmann series in data management systems).

Comments(0)

When adding a comment stipulate:
  • the relevance of the published material;
  • general estimation (originality and relevance of the topic, completeness, depth, comprehensiveness of topic disclosure, consistency, coherence, evidence, structural ordering, nature and the accuracy of the examples, illustrative material, the credibility of the conclusions;
  • disadvantages, shortcomings;
  • questions and wishes to author.