44 lines
1.7 KiB
Plaintext
44 lines
1.7 KiB
Plaintext
{
|
|
"cells": [
|
|
{
|
|
"cell_type": "markdown",
|
|
"id": "c36cf7d5-c332-4482-af0e-3ba30ea9bb8e",
|
|
"metadata": {},
|
|
"source": [
|
|
"1. Pobierz dane ze strony <a href=\"https://www.kaggle.com/datasets/spittman1248/cdc-data-nutrition-physical-activity-obesity\">cdc-data-nutrition-physical-activity-obesity</a> i zbuduj modele regresji liniowej w 2D pokazującej zależność otyłości od trzech wybranych czynników. Do budowy modelu użyj dwóch scenariuszy: wyprowadzenia teoretycznego przez metodę <a href=\"https://www.math.uni.wroc.pl/~topolski/Ekonometria_2.pdf\">najmniejszych kwadratów</a> oraz <a href=\"https://www.geeksforgeeks.org/gradient-descent-in-linear-regression/\">algorytmu gradientu prostego</a>.\n",
|
|
"Pokaż wizualizację danych wraz z każdym modelem. \n",
|
|
"2. Przeanalizuj, czy z punktu widzenia marketingowego producentowi Coca-Coli bardziej opłaca się zwiększyć promień puszki, czy też jej wysokość. W reklamie ma się pojawić komunikat o \"większej objętości puszki\" (wskazówka: różniczka funkcji dwóch zmiennych). Rozwiązanie powinno zawierać wszystkie obliczenia i konkluzje (Markdown)"
|
|
]
|
|
},
|
|
{
|
|
"cell_type": "code",
|
|
"execution_count": null,
|
|
"id": "d4233659-879a-44db-bcf2-f7995855a14a",
|
|
"metadata": {},
|
|
"outputs": [],
|
|
"source": []
|
|
}
|
|
],
|
|
"metadata": {
|
|
"kernelspec": {
|
|
"display_name": "Python 3 (ipykernel)",
|
|
"language": "python",
|
|
"name": "python3"
|
|
},
|
|
"language_info": {
|
|
"codemirror_mode": {
|
|
"name": "ipython",
|
|
"version": 3
|
|
},
|
|
"file_extension": ".py",
|
|
"mimetype": "text/x-python",
|
|
"name": "python",
|
|
"nbconvert_exporter": "python",
|
|
"pygments_lexer": "ipython3",
|
|
"version": "3.12.4"
|
|
}
|
|
},
|
|
"nbformat": 4,
|
|
"nbformat_minor": 5
|
|
}
|