Data Science using R & Python

Mercado de ciência de dados, aprendizado de máquina e inteligência artificial está em alta.

A ciência de dados está basicamente convertendo dados estruturados ou não estruturados em insight, entendimento e conhecimento usando métodos, processos e algoritmos científicos.

R e Python são as linguagens de programação mais comuns usadas na Data Science.

R é uma linguagem de código aberto gratuita usada como software estatístico e de visualização. Ele pode lidar com dados estruturados (organizados) e semiestruturados (semi-organizados).

Para aprender R para ciência de dados, cobrimos todos os aspectos da seguinte maneira:

& # 10020; Introdução

& # 10020; Tipos de dados em R

& # 10020; Variáveis ​​em R

& # 10020; Operadores em R

& # 10020; Declarações condicionais

& # 10020; Instruções de loop

& # 10020; Instruções de controle de loop

& # 10020; R Script

& # 10020; Funções R

& # 10020; Função Personalizada

& # 10020; Estruturas de dados

• vetores atômicos

Matriz

Matrizes

Fatores

• Quadros de dados

• Lista

& # 10020; Importar / Exportar Dados - Atribuir valores à estrutura de dados

& # 10020; Manipulação / Transformação de Dados

& # 10020; Aplicar função da Base R

& # 10020; Pacote dplyr

Para Python, abordamos a seguir -

Configuração do ambiente e Essentials of Python

• Introdução e configuração do ambiente

• Atribuição variável em Python

Tipos de dados em Python

• Estrutura de dados: tupla

• Estrutura de dados: lista

• Estrutura de dados: dicionário (dict)

• Estrutura de dados: conjunto

• Operador básico: em

• Operador básico: + (mais)

• Operador básico: * (multiplicar)

• Funções

• Função de sequência integrada em Python

• Control Flow Statements: se, elif, else

• Control Flow Statements: para loops

• Controlar declarações de fluxo: enquanto Loops

• Manipulação de exceção

& # 10020; Computação matemática com NumPy em Python

• Tipos de matrizes

• Atributos do ndarray

• Operações básicas

• Acessando o elemento Array

• Cópia e vistas

• Funções universais (ufunc)

• Manipulação de forma

• Transmissão

• Álgebra Linear

Manipulação de Dados com Pandas

    • Por que pandas?

    • Estruturas de dados

    • Séries - Criação

    • Série - Elemento de acesso

    • Série - Operações de vetorização

    • DataFrame - Criação

    • Visualizando DataFrame

    • Tratamento de valores ausentes

    • Operações de dados com funções

    • Funções estatísticas para operações de dados

    • Operação de dados com GroupBy

    • Operação de dados: classificação

    • Operação de dados: mesclagem, duplicação, concatenação

    • Operação SQL no Pandas

Estatísticas é parte crucial para começar a aprender neste campo.

Os termos usados ​​nas estatísticas são muito estranhos e difíceis de entender para iniciantes, por isso, tentamos nosso melhor para explicar esses termos em um idioma muito fácil para os iniciantes, intermediários ou avançados nos campos Ciência de Dados, Aprendizado de Máquina, IA.

Aqui abordamos muitos termos usados ​​em estatísticas como -

• Hipóteses

• Métodos Quantitativos

• métodos qualitativos

• Variáveis ​​independentes e dependentes

• Variáveis ​​preditoras e resultados

• Variáveis ​​categóricas

Variável binária

• variável nominal

Variável ordinal

• Variável contínua

• variável de intervalo

• variável de proporção

• Variável discreta

• Variáveis ​​confusas

• Erro de medição

• Validade e Confiabilidade

• Dois métodos de coleta de dados

Tipos de variação

• Variação não sistemática

• variação sistemática

• Distribuição de frequência

• Significar

• mediana

• Modo

• Dispersão na distribuição de dados

• Alcance

• Gama interquartil

• Quartis

Probabilidade

• Desvio padrão

A vantagem mais importante deste aplicativo é que o material completo, exceto o projeto de amostra, está disponível offline, a parte do projeto de amostra está on-line porque continuamos adicionando-o regularmente na Web.

Compilador online no dispositivo móvel, você pode escrever o código no celular e executá-lo para ver a saída.

Teste / exame de simulação - Verifique seu conhecimento em ciência de dados ao tentar este exame de simulação, cada pergunta tem 4 opções e 1 resposta correta.