Data Science with R & Python F

R, Python 및 데이터 과학, 기계 학습 및 AI에 대한 통계 자습서

데이터 과학, 기계 학습 및 인공 지능 시장은 급성장하고 있습니다.

데이터 과학은 기본적으로 과학적 방법, 프로세스 및 알고리즘을 사용하여 구조화되거나 구조화되지 않은 데이터를 통찰력, 이해 및 지식으로 변환합니다.

R 및 Python 은 데이터 과학의 통계, 수학, 데이터 정리, 탐색 및 시각화에 사용되는 무료 오픈 소스 프로그래밍 언어입니다. 구조화 된 (조직화 된) 데이터와 반 구조화 된 (반화 된) 데이터를 처리 할 수 ​​있습니다.

데이터 과학에 대한 R을 배우기 위해 다음과 같이 모든 측면을 다루었습니다.

• 소개

• R의 데이터 유형

• R의 변수

• R의 연산자

• 조건문

루프 문

• 루프 제어문

• R 스크립트

• R 기능

• 사용자 정의 기능

• 데이터 구조

& # 8270; 원자 벡터

& # 8270; 매트릭스

& # 8270; 배열

& # 8270; 요인

& # 8270; 데이터 프레임

& # 8270; 명부

• 데이터 가져 오기 / 내보내기 – 데이터 구조에 값 할당

• 데이터 조작 / 변환

•베이스 R의 기능 적용

• dplyr 패키지

파이썬의 경우 다음을 다루었습니다.

& # 10020; Python의 환경 설정 및 필수 사항

& # 10045; 소개 및 환경 설정

& # 10045; Python의 변수 할당

& # 10045; 파이썬의 데이터 타입

& # 10045; 데이터 구조 : 튜플

& # 10045; 데이터 구조 : 목록

& # 10045; 데이터 구조 : 사전 (사전)

& # 10045; 데이터 구조 : 설정

& # 10045; 기본 연산자 :

& # 10045; 기본 연산자 : + (더하기)

& # 10045; 기본 연산자 : * (곱하기)

& # 10045; 기능

& # 10045; Python의 내장 시퀀스 함수

& # 10045; 제어 흐름 설명 : if, elif, else

& # 10045; 제어 흐름 설명 : for 루프

& # 10045; 제어 흐름 설명 : while 루프

& # 10045; 예외 처리

& # 10020; Python에서 NumPy를 사용한 수학 계산

& # 10045; 배열 유형

& # 10045; ndarray의 속성

& # 10045; 기본 작업

& # 10045; 배열 요소에 액세스

& # 10045; 복사 및보기

& # 10045; 범용 함수 (ufunc)

& # 10045; 도형 조작

& # 10045; 방송

& # 10045; 선형 대수

& # 10020; 팬더를 사용한 데이터 조작

    왜 팬더인가?

    • 데이터 구조

    • 시리즈 – 창조

    • 시리즈 – 액세스 요소

    • 시리즈 – 벡터화 작업

    • DataFrame – 생성

    • DataFrame보기

    • 결 측값 처리

    • 함수를 사용한 데이터 작업

    • 데이터 운영을위한 통계 기능

    • GroupBy를 통한 데이터 운영

    • 데이터 작업 : 정렬

    • 데이터 작업 : 병합, 복제, 연결

    • Pandas의 SQL 작업

통계 는이 분야에서 학습을 시작하는 데 중요한 부분입니다.

통계에 사용되는 용어는 초보자에게는 이해하기 어렵고 이해하기 어렵 기 때문에 데이터 과학, 기계 학습, AI 분야의 초보자, 중급 또는 고급 수준의 사람들에게이 용어를 매우 쉬운 언어로 설명하기 위해 최선을 다했습니다.

여기서 우리는 통계에 사용되는 많은 용어를 다음과 같이 다루었습니다.

• 가설

• 정량적 방법

• 질적 방법

• 독립 및 종속 변수

• 예측 변수 및 결과 변수

• 범주 형 변수

• 이진 변수

• 공칭 변수

• 서수 변수

• 연속 변수

• 구간 변수

• 비율 변수

• 이산 변수

• 혼란스러운 변수

• 측정 오류

• 타당성과 신뢰성

• 두 가지 데이터 수집 방법

• 변형 유형

• 비 체계적 변형

• 체계적인 변화

• 주파수 분포

• 평균

• 중앙값

• 모드

데이터 분포의 분산

• 범위

• 사 분위수 범위

• 사 분위수

• 확률

• 표준 편차

이 프로젝트의 가장 중요한 장점은 샘플 프로젝트를 제외한 완전한 재료를 오프라인에서 사용할 수 있으며 샘플 프로젝트 부분은 온라인으로 웹 기반 규칙을 계속 추가하기 때문에 온라인입니다.

모바일 장치의 온라인 컴파일러, 모바일에서 코드를 작성하고 실행하여 출력을 볼 수 있습니다.

시뮬레이션 시험 / 시험-이 시뮬레이션 시험을 시도하여 데이터 과학에 대한 지식을 확인하십시오. 각 질문에는 4 가지 옵션과 1 개의 정답이 있습니다.