Data Science using R & Python

R, Python และการสอนสถิติสำหรับวิทยาศาสตร์ข้อมูลการเรียนรู้ของเครื่องและ AI

ตลาดวิทยาศาสตร์ข้อมูล, การเรียนรู้ของเครื่องและปัญญาประดิษฐ์ กำลังเติบโตอย่างรวดเร็ว

วิทยาศาสตร์ข้อมูลโดยทั่วไปแล้วจะแปลงข้อมูลที่มีโครงสร้างหรือไม่มีโครงสร้างเป็นความเข้าใจความเข้าใจและความรู้โดยใช้วิธีการทางวิทยาศาสตร์กระบวนการและอัลกอริทึม

R และ Python เป็นภาษาโปรแกรมส่วนใหญ่ที่ใช้ใน Data Science

R เป็นภาษาโอเพนซอร์ซฟรีซึ่งใช้เป็นซอฟต์แวร์เชิงสถิติและการสร้างภาพข้อมูล สามารถจัดการกับข้อมูลที่มีโครงสร้าง (จัดระเบียบ) และกึ่งโครงสร้าง (กึ่งจัดการ)

เพื่อเรียนรู้ R สำหรับวิทยาศาสตร์ข้อมูลเราครอบคลุมทุกด้านดังนี้

& # 10020; บทนำ

& # 10020; ประเภทข้อมูลใน R

& # 10020; ตัวแปรใน R

& # 10020; ผู้ประกอบการใน R

& # 10020; คำสั่งแบบมีเงื่อนไข

& # 10020; คำสั่งวนรอบ

& # 10020; งบควบคุมวง

& # 10020; สคริปต์ R

& # 10020; ฟังก์ชั่น R

& # 10020; ฟังก์ชั่นที่กำหนดเอง

& # 10020; โครงสร้างข้อมูล

•เวกเตอร์อะตอม

•เมทริกซ์

•อาร์เรย์

• ปัจจัย

•เฟรมข้อมูล

•รายการ

& # 10020; นำเข้า / ส่งออกข้อมูล - กำหนดค่าให้กับโครงสร้างข้อมูล

& # 10020; การจัดการข้อมูล / การเปลี่ยนแปลง

& # 10020; ใช้ฟังก์ชั่นของ Base R

& # 10020; แพคเกจ dplyr

สำหรับ Python เราครอบคลุมดังนี้ -

& # 10020; การตั้งค่าสภาพแวดล้อมและสิ่งจำเป็นของ Python

•บทนำและการตั้งค่าสภาพแวดล้อม

•การมอบหมายตัวแปรใน Python

•ประเภทข้อมูลใน Python

•โครงสร้างข้อมูล: Tuple

•โครงสร้างข้อมูล: รายการ

•โครงสร้างข้อมูล: พจนานุกรม (Dict)

•โครงสร้างข้อมูล: ตั้งค่า

•ผู้ประกอบการขั้นพื้นฐาน: ใน

•ผู้ประกอบการขั้นพื้นฐาน: + (บวก)

•ผู้ประกอบการขั้นพื้นฐาน: * (คูณ)

• ฟังก์ชั่น

•ฟังก์ชัน Sequence ในตัวใน Python

•ข้อความสั่ง Flow Control: if, elif, else

•ข้อความสั่งการควบคุม: สำหรับลูป

•งบควบคุมการไหล: ในขณะที่ลูป

•การจัดการข้อยกเว้น

& # 10020; การคำนวณทางคณิตศาสตร์ด้วย NumPy ใน Python

•ประเภทของอาร์เรย์

•คุณสมบัติของ ndarray

•การดำเนินงานขั้นพื้นฐาน

•การเข้าถึงองค์ประกอบอาร์เรย์

•คัดลอกและมุมมอง

•ฟังก์ชั่นสากล (ufunc)

•การจัดการรูปร่าง

•การออกอากาศ

•พีชคณิตเชิงเส้น

& # 10020; การจัดการข้อมูลด้วย Pandas

    •ทำไมต้องนุ่น

    •โครงสร้างข้อมูล

    •ซีรี่ย์ - สร้างสรรค์

    •ซีรี่ย์ - องค์ประกอบการเข้าถึง

    •ซีรี่ย์ - การทำงานของ Vectorizing

    • DataFrame - การสร้าง

    •การดู DataFrame

    •การจัดการค่าที่ขาดหายไป

    •การทำงานของข้อมูลพร้อมฟังก์ชั่น

    •ฟังก์ชั่นทางสถิติสำหรับการดำเนินการข้อมูล

    •การทำงานของข้อมูลด้วย GroupBy

    •การทำงานของข้อมูล: การเรียงลำดับ

    •การทำงานของข้อมูล: ผสานทำซ้ำเชื่อมต่อ

    •การดำเนินงาน SQL ในนุ่น

สถิติ เป็นส่วนสำคัญในการเริ่มเรียนรู้ในสาขานี้

คำศัพท์ที่ใช้ในสถิตินั้นแปลกและยากที่จะเข้าใจสำหรับผู้เริ่มต้นดังนั้นเราจึงพยายามอย่างดีที่สุดในการอธิบายคำศัพท์เหล่านี้ในภาษาที่ง่ายมากสำหรับผู้เริ่มต้นระดับกลางหรือระดับสูงในด้านวิทยาศาสตร์ข้อมูล, การเรียนรู้ด้วยเครื่องจักร, AI

ที่นี่เราครอบคลุมคำศัพท์มากมายที่ใช้ในสถิติเช่น -

•สมมติฐาน

•วิธีการเชิงปริมาณ

•วิธีการเชิงคุณภาพ

•ตัวแปรอิสระและขึ้นอยู่กับ

•ตัวทำนายและตัวแปรผลลัพธ์

•ตัวแปรเด็ดขาด

•ตัวแปรไบนารี

•ตัวแปรที่กำหนด

•ตัวแปรลำดับ

•ตัวแปรอย่างต่อเนื่อง

•ตัวแปรช่วงเวลา

•ตัวแปรอัตราส่วน

•ตัวแปรไม่ต่อเนื่อง

•ตัวแปรรบกวน

•ข้อผิดพลาดการวัด

•ความถูกต้องและความน่าเชื่อถือ

•สองวิธีในการรวบรวมข้อมูล

•ประเภทของการเปลี่ยนแปลง

•รูปแบบที่ไม่เป็นระบบ

•รูปแบบที่เป็นระบบ

•การแจกแจงความถี่

•ค่าเฉลี่ย

•ค่ามัธยฐาน

•โหมด

•การกระจายตัวของการกระจายข้อมูล

• พิสัย

•ช่วงควอไทล์

•ควอไทล์

•ความน่าจะเป็น

• ส่วนเบี่ยงเบนมาตรฐาน

ข้อได้เปรียบที่สำคัญที่สุดของแอพนี้ที่สมบูรณ์วัสดุยกเว้นโครงการตัวอย่างสามารถใช้ได้ออฟไลน์ส่วนโครงการตัวอย่างออนไลน์เพราะเราเพิ่มเว็บเป็นประจำ

คอมไพเลอร์ออนไลน์บนอุปกรณ์มือถือคุณสามารถเขียนรหัสบนมือถือและเรียกใช้เพื่อดูผลลัพธ์

Simulation Test / Exam - ตรวจสอบความรู้ของคุณใน Data Science โดยการลองทำแบบจำลองนี้คำถามแต่ละข้อมี 4 ตัวเลือกและ 1 คำตอบที่ถูกต้อง