Skip to main content

Blocks

Skip Navigation

Navigation

  • Dashboard

    • Site home

    • Site pages

      • My courses

      • Tags

      • FileІнструкція для здобувачів освіти до вибору дисципл...

      • URLВибір дисциплін на 2025-2026 навчальний рік

      • URLВибір дисциплін на 2024-2025 навчальний рік

      • ForumНовини сайту

      • URLІнструкція - основи роботи з системою Moodle

      • URLЦИВІЛЬНИЙ ЗАХИСТ

      • FolderНормативна база СЕЗН

      • URLВідновлення пароля

      • FileПам’ятка для користувача системи Moodle

      • FileСистема оцінки курсу

      • FeedbackОцінка якості курсу

    • My courses

    • Courses

      • Факультети, кафедри

        • Біологічний факультет

        • Економічний факультет

        • Журналістики факультет

        • Інженерний навчально-науковий інститут ім. Ю.М. По...

        • Іноземної філології факультет

        • Математичний факультет

          • Кафедра загальної математики

          • Кафедра загальної та прикладної фізики

          • Кафедра комп'ютерних наук

          • Кафедра прикладної математики і механіки

          • Кафедра програмної інженерії

            • archive

            • Технології Big Data

            • Машинне навчання (Математичні основи машинного нав...

            • C/к Сучасні СУБД (Плюта Н. В.)

            • 2 Програмне забезпечення наукових досліджень (магі...

            • Автоматизоване тестування (Кудін О.В.)

            • Автоматизоване тестування Web-додатків (Кудін О.В.)

            • Адміністрування комп'ютерних систем (Горбенко В.І.)

            • Алгебра та геометрія Дисципліна вільного вибору ст...

            • Алгоритми та структури даних (Програмна інженерія)

            • Алгоритми шифрування та захисту даних

            • Аналіз вимог до програмного забезпечення. Мильцев ...

            • Основи машинного навчання

              • General

              • 1. Пояснювальний аналіз даних.

              • 2. Попередня обробка даних

              • 3. Лінійні моделі прогнозування

              • 4. Моделі інформаційного навчання

              • 5. Моделі на основі схожості та помилок

              • 6. Ансамблеві моделі

              • 7. Навчання без вчителя

                • AssignmentЛабораторна робота №9

              • 8. Організація обчислювального процесу моделей маш...

              • Екзамен

          • Кафедра фундаментальної та прикладної математики

          • Практична підготовка математичного факультету

          • Інформація

          • Комп'ютерне моделювання(Гребенюк)

          • Проєктування та аналіз обчислювальних алгоритмів

        • Менеджменту факультет

        • Соціальної педагогіки та психології факультет

        • Соцiологiї та управлiння факультет

        • Факультет історії та міжнародних відносин

        • Факультет фізичного виховання, здоров'я та туризму

        • Філологічний факультет

        • Юридичний факультет

      • Аспірантура

      • Науково-технічна позашкільна освіта

      • Підготовчі курси до ЗНО

      • Адміністративний розділ

      • Центр післядипломної освіти та професійних кваліфі...

      • Школа педагогічної майстерності

  • Close
    Toggle search input
  • English ‎(en)‎
    • Русский ‎(ru)‎
    • Українська ‎(uk)‎
    • Deutsch ‎(de_old)‎
    • English ‎(de)‎
    • English ‎(en)‎
    • Español - Internacional ‎(es)‎
    • Français ‎(fr)‎
    • Italiano ‎(it)‎
    • Polski ‎(pl)‎
  • Log in

Основи машинного навчання

Close
Toggle search input
  1. Home
  2. Courses
  3. Факультети, кафедри
  4. Математичний факультет
  5. Кафедра програмної інженерії
  6. Основи машинного навчання
  7. 7. Навчання без вчителя
  8. Лабораторна робота №9

Лабораторна робота №9

Completion requirements

Для набору даних https://www.kaggle.com/datasets/mehmettahiraslan/customer-shopping-dataset розв'язати задачу сегментації клієнтів. Виконати такі дії.

1. Провести описовий аналіз даних.

2. Виконати попередню обробку даних.

3. Застосувати методи кластеризації: K-means, DBSCAN, спектральна кластеризація.

4. Для методу K-means визначити оптимальну кількість кластерів. 

5. Проаналізувати окремо кожний сегмент клієнтів та зробити висновки.

Приклад. https://colab.research.google.com/drive/1NPJbaQI5PCoQWMCXVVidOSStCarsO7Z7?usp=sharing

Previous activity
Лабораторна робота №8. Порівняння методів ансамблювання
Next activity
Лабораторна робота №10. Розгортання моделей машинного навчання
Data retention summary
Get the mobile app