Web-аналитика на Python: практикум

Практическое пособие по применению методов машинного обучения для решения задач веб-аналитики с использованием языка Python. Книга ориентирована на студентов направления «Бизнес-информатика» и охватывает полный цикл работы с данными — от их сбора до построения прогнозных моделей.

В первой части рассматриваются основы Python для анализа данных: работа в Jupyter Notebook, типы данных, арифметические операции, условные операторы, циклы и работа со списками. Практические занятия посвящены предварительной обработке и агрегированию данных — ключевым этапам подготовки данных для машинного обучения.

Вторая часть посвящена непосредственно методам машинного обучения. Подробно разбираются алгоритмы классификации, такие как дерево решений и случайный лес (Random Forest), а также метрики оценки их точности. Практикумы нацелены на построение моделей бинарной и многоклассовой классификации с последующим анализом их эффективности.

Третья часть книги знакомит с техниками сбора данных через парсинг веб-сайтов с использованием библиотек Beautiful Soup и Parsel. Это позволяет получить реальные данные для последующего анализа и построения моделей, замыкая полный цикл работы аналитика.