Data Science using R & Python offline tutorial for Android APK

Περιγραφή

Η αγορά της επιστήμης δεδομένων, της μηχανικής μάθησης και της τεχνητής νοημοσύνης βρίσκεται σε άνθηση.

Η επιστήμη δεδομένων βασικά μετατρέπει δομημένα ή μη δεδομένα σε διορατικότητα, κατανόηση και γνώση χρησιμοποιώντας επιστημονικές μεθόδους, διαδικασίες και αλγόριθμους.

Η R και η Python είναι οι πιο κοινές γλώσσες προγραμματισμού που χρησιμοποιούνται στην Επιστήμη των Δεδομένων.

Η R είναι δωρεάν γλώσσα ανοιχτού κώδικα που χρησιμοποιείται ως λογισμικό στατιστικής και οπτικοποίησης. Μπορεί να ασχοληθεί με δομημένα (οργανωμένα) και ημι-δομημένα (ημι-οργανωμένα) δεδομένα.

Για να μάθουμε το R για την επιστήμη δεδομένων καλύψαμε όλες τις πτυχές ως εξής:

Εισαγωγή

Τύποι δεδομένων στο R

Μεταβλητές στο R

Οι χειριστές στο R

Δηλώσεις υπό όρους

Δηλώσεις βρόχου

Δηλώσεις ελέγχου βρόχου

Σενάριο R

R Λειτουργίες

Προσαρμοσμένη λειτουργία

ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ

Ατομικοί φορείς

Μήτρα

Πίνακες

Παράγοντες

Πλαίσια δεδομένων

Λίστα

Εισαγωγή/Εξαγωγή δεδομένων Εκχωρήστε τιμές στη δομή δεδομένων

Χειρισμός/Μετασχηματισμός Δεδομένων

Εφαρμογή συνάρτησης της βάσης R

Πακέτο dplyr

Για την Python καλύψαμε τα εξής -

Ρύθμιση περιβάλλοντος και βασικά στοιχεία της Python

Εισαγωγή και Ρύθμιση περιβάλλοντος

Ανάθεση μεταβλητής σε Python

Τύποι δεδομένων στην Python

Δομή Δεδομένων: Πλειάδα

Δομή δεδομένων: Λίστα

Δομή δεδομένων: Λεξικό (Dict)

Δομή δεδομένων: Σύνολο

Βασικός χειριστής: in

Βασικός χειριστής: + (συν)

Βασικός χειριστής: * (πολλαπλασιασμός)

Λειτουργίες

Ενσωματωμένη συνάρτηση ακολουθίας σε Python

Δηλώσεις ροής ελέγχου: if, elif, else

Δηλώσεις ροής ελέγχου: για βρόχους

Δηλώσεις ροής ελέγχου: while Loops

Χειρισμός Εξαίρεσης

Μαθηματικός Υπολογισμός με NumPy σε Python

Τύποι Πίνακες

Ιδιότητες του ndarray

Βασικές Λειτουργίες

Πρόσβαση στο στοιχείο Array

Αντιγραφή και Προβολές

Universal Functions (ufunc)

Χειρισμός σχήματος

Ραδιοφωνικός

Γραμμική άλγεβρα

Χειρισμός δεδομένων με Pandas

Γιατί Pandas;

ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ

Δημιουργία σειράς

Στοιχείο πρόσβασης σειράς

Σειρά Vectorizing πράξεις

Δημιουργία DataFrame

Προβολή DataFrame

Χειρισμός αξιών που λείπουν

Λειτουργίες δεδομένων με συναρτήσεις

Στατιστικές Συναρτήσεις για Λειτουργίες Δεδομένων

Λειτουργία δεδομένων με το GroupBy

Λειτουργία δεδομένων: Ταξινόμηση

Λειτουργία δεδομένων: Συγχώνευση, Διπλότυπο, Συνένωση

Λειτουργία SQL σε Pandas

Τα στατιστικά στοιχεία είναι ζωτικής σημασίας για την έναρξη της μάθησης σε αυτόν τον τομέα.

Οι όροι που χρησιμοποιούνται στα στατιστικά είναι πολύ περίεργοι και δυσνόητοι για αρχάριους, γι' αυτό προσπαθήσαμε να εξηγήσουμε αυτούς τους όρους σε πολύ εύκολη γλώσσα για παιδιά αρχαρίων, μεσαίου ή προχωρημένου επιπέδου στον τομέα της Επιστήμης Δεδομένων, της Μηχανικής Μάθησης, της Τεχνητής Νοημοσύνης.

Εδώ καλύψαμε τόσους πολλούς όρους που χρησιμοποιούνται σε στατιστικές όπως -

Υποθέσεις

Ποσοτικές μέθοδοι

Ποιοτικές μέθοδοι

Ανεξάρτητες και Εξαρτημένες μεταβλητές

Μεταβλητές πρόβλεψης και αποτελέσματος

Κατηγορικές μεταβλητές

Δυαδική μεταβλητή

Ονομαστική μεταβλητή

Τακτική μεταβλητή

Συνεχής μεταβλητή

Μεταβλητή διαστήματος

Μεταβλητή αναλογία

Διακριτή μεταβλητή

Συγχυτικές μεταβλητές

Σφάλμα μέτρησης

Εγκυρότητα και αξιοπιστία

Δύο μέθοδοι συλλογής δεδομένων

Τύποι παραλλαγής

Μη συστηματική παραλλαγή

Συστηματική παραλλαγή

Κατανομή συχνότητας

Σημαίνω

Διάμεσος

Τρόπος

Διασπορά στη διανομή Δεδομένων

Εύρος

Διατεταρτημοριακό εύρος

τεταρτημόρια

Πιθανότητα

Τυπική απόκλιση

Το πιο σημαντικό πλεονέκτημα αυτής της εφαρμογής είναι ότι το πλήρες υλικό εκτός από το δείγμα έργου είναι διαθέσιμο εκτός σύνδεσης.

Διαδικτυακός μεταγλωττιστής σε φορητή συσκευή, μπορείτε να γράψετε κώδικα στο κινητό και να τον εκτελέσετε για να δείτε την έξοδο.

Δοκιμή/Εξέταση προσομοίωσης - Ελέγξτε τις γνώσεις σας στην Επιστήμη Δεδομένων επιχειρώντας αυτήν την εξέταση προσομοίωσης, κάθε ερώτηση έχει 4 επιλογές και 1 σωστή απάντηση.