Data Science with R & Python F

Учебник по R, Python и статистике для науки о данных, машинного обучения и искусственного интеллекта

Рынок данных, машинного обучения и искусственного интеллекта находится на подъеме.

Наука о данных в основном преобразует структурированные или неструктурированные данные в понимание, понимание и знание с использованием научных методов, процессов и алгоритмов.

R и Python - это бесплатные языки программирования с открытым исходным кодом, используемые для статистических, математических, обработки данных, исследования и визуализации в науке о данных. Он может иметь дело со структурированными (организованными) и полуструктурированными (полуорганизованными) данными.

Чтобы изучить R для науки о данных, мы охватили все аспекты следующим образом:

• Вступление

• Типы данных в R

• Переменные в R

• Операторы в R

• Условные заявления

• циклические операторы

• Операции управления циклом

• R Script

• Функции R

• Пользовательская функция

• структуры данных

& # 8270; Атомные векторы

& # 8270; матрица

& # 8270; Массивы

& # 8270; факторы

& # 8270; Фреймы данных

& # 8270; Список

• Импорт / экспорт данных - присвоение значений структуре данных

• манипулирование данными / преобразование

• Применить функцию Base R

• Пакет dplyr

Для Python мы рассмотрели следующее -

& # 10020; Настройка среды и основы Python

& # 10045; Введение и настройка среды

& # 10045; назначение переменных в Python

& # 10045; Типы данных в Python

& # 10045; Структура данных: кортеж

& # 10045; Структура данных: список

& # 10045; Структура данных: словарь (Dict)

& # 10045; Структура данных: набор

& # 10045; Основной оператор: в

& # 10045; Базовый оператор: + (плюс)

& # 10045; Основной оператор: * (умножить)

& # 10045; Функции

& # 10045; Встроенная функция последовательности в Python

& # 10045; Операции управления потоком: if, elif, else

& # 10045; Операции потока управления: для циклов

& # 10045; Операции управления потоком: пока циклы

& # 10045; Обработка исключений

& # 10020; Математические вычисления с NumPy в Python

& # 10045; Типы массивов

& # 10045; Атрибуты ndarray

& # 10045; Основные операции

& # 10045; Доступ к элементу массива

& # 10045; Копирование и просмотры

& # 10045; Универсальные функции (ufunc)

& # 10045; Манипуляции с формой

& # 10045; вещательная

& # 10045; Линейная алгебра

& # 10020; Манипулирование данными с пандами

    • Почему Панды?

    • структуры данных

    • Серия - Создание

    • Серия - Элемент доступа

    • Серия - Векторизация операций

    • DataFrame - создание

    • Просмотр DataFrame

    • Обработка пропущенных значений

    • Операции с данными с функциями

    • Статистические функции для операций с данными

    • Работа с данными с GroupBy

    • Операция с данными: сортировка

    • Операция с данными: объединение, дублирование, объединение

    • Операция SQL в Pandas

Статистика является важной частью для начала обучения в этой области.

Термины, используемые в статистике, очень странные и трудные для понимания новичками, поэтому мы постарались объяснить эти термины очень простым языком для начинающих, среднего или продвинутого уровня в области наук о данных, машинного обучения, искусственного интеллекта.

Здесь мы рассмотрели так много терминов, используемых в статистике, как -

• гипотезы

• Количественные методы

• Качественные методы

• Независимые и зависимые переменные

• Предиктор и переменные результата

• Категориальные переменные

• двоичная переменная

• Номинальная переменная

• Порядковая переменная

• Непрерывная переменная

• Интервальная переменная

• переменная отношения

• Дискретная переменная

• смешанные переменные

• Погрешность измерения

• Обоснованность и надежность

• Два метода сбора данных

• Типы вариаций

• Бессистемное изменение

• Систематическая изменчивость

• Распределение частоты

• Значение

• Медиана

• Режим

• Дисперсия в распространении данных

• Ассортимент

• Межквартирный ассортимент

• квартили

• вероятность

• Среднеквадратичное отклонение

Самое важное преимущество этого приложения в том, что полный материал, за исключением примера проекта, доступен в автономном режиме, часть примера проекта - онлайн, потому что мы постоянно добавляем его через Интернет.

Онлайн-компилятор на мобильном устройстве, вы можете написать код на мобильном телефоне и запустить его, чтобы увидеть результат.

Симуляционный тест / экзамен - проверьте свои знания в Data Science, попробовав этот симуляционный экзамен, каждый вопрос имеет 4 варианта и 1 правильный ответ.