Offered By: IBM
Прогнозування та візуалізація ГЕО для охорони здоров'я
Дана лабораторна робота присвячена вивченню основних алгоритмів аналізу великих обсягів даних на прикладі поширення COVID-19 у світі. Розглянуто можливості прогнозування на основі лінійної регресії, отримання статистики та створення інтерактивної мапи, що показує динаміку поширення вірусу.
Continue reading Premium
Guided Project
Data Analysis
5.0
At a Glance
Дана лабораторна робота присвячена вивченню основних алгоритмів аналізу великих обсягів даних на прикладі поширення COVID-19 у світі. Розглянуто можливості прогнозування на основі лінійної регресії, отримання статистики та створення інтерактивної мапи, що показує динаміку поширення вірусу.
Сьогодні існує чимало відкритих джерел даних про поширення COVID-19 у світі. Проте, інструментів для прогнозування та візуалізації цих процесів представлено небагато. У даній лабораторній роботі буде показано яким чином можна завантажувати дані з відкритих джерел, виконувати попередній аналіз даних, перетворювати та очищати дані, аналізувати часову затримку між вхідними та вихідними даними(лаг) та здійснювати кореляційний аналіз.
Також буде розглянуто два різні математичні підходи, що дозволяють здійснити прогнозування на основі лінійної регресії.
Для цього набір даних буде розділено на навчальні та тестові набори, та показано, як будувати моделі за допомогою двох різних фреймворків. Наступним кроком буде побудова прогнозу та аналіз точності та адекватності отриманих моделей.
В останній частині лабораторної роботи буде продемонстровано, як візуалізувати динаміку поширення COVID-інфекції на інтерактивних мапах.