Data Science using R & Python offline tutorial for Android

Leírás

Az adattudomány, a gépi tanulás és a mesterséges intelligencia piaca fellendülésben van.

Az adattudomány alapvetően a strukturált vagy strukturálatlan adatok betekintést, megértést és tudássá alakítását jelenti tudományos módszerek, folyamatok és algoritmusok segítségével.

Az R és a Python az adattudományban használt leggyakoribb programozási nyelvek.

Az R egy ingyenes nyílt forráskódú nyelv, amelyet statisztikai és vizualizációs szoftverként használnak. Strukturált (szervezett) és félig strukturált (félig szervezett) adatokkal tud foglalkozni.

Ahhoz, hogy megtanuljuk az R-t az adattudományhoz, minden szempontot figyelembe vettünk az alábbiak szerint:

Bevezetés

Adattípusok R-ben

Változók az R-ben

Operátorok R.-ben

Feltételes nyilatkozatok

Loop utasítások

Hurokvezérlési nyilatkozatok

R Script

R Funkciók

Egyedi funkció

Adatstruktúrák

Atom vektorok

Mátrix

Tömbök

Tényezők

Adatkeretek

Lista

Adatok importálása/exportálása Értékek hozzárendelése az adatstruktúrához

Adatmanipuláció/Átalakítás

Alkalmazza a Base R funkcióját

dplyr csomag

A Python esetében a következőket tárgyaltuk:

A környezet beállítása és a Python alapjai

Bevezetés és a környezet beállítása

Változó-hozzárendelés Pythonban

Adattípusok a Pythonban

Adatstruktúra: Tuple

Adatstruktúra: Lista

Adatstruktúra: szótár (Dict)

Adatstruktúra: készlet

Alapkezelő: in

Alapkezelő: + (plusz)

Alap operátor: * (szorzás)

Funkciók

Beépített szekvencia funkció a Pythonban

Control Flow utasítások: if, elif, else

Vezérlési áramlási utasítások: hurkok esetén

Control Flow utasítások: while Loops

Kivételkezelés

Matematikai számítás a NumPy segítségével Pythonban

A tömbök típusai

Az ndarray tulajdonságai

Alapműveletek

Hozzáférés a tömbelemhez

Másolás és nézetek

Univerzális funkciók (ufunc)

Alak manipuláció

Műsorszórás

Lineáris algebra

Adatmanipuláció pandákkal

Miért Pandák?

Adatstruktúrák

Sorozatalkotás

Sorozat hozzáférési elem

Sorozat vektorizálási műveletek

DataFrame létrehozása

DataFrame megtekintése

Hiányzó értékek kezelése

Adatműveletek függvényekkel

Statisztikai függvények adatműveletekhez

Adatkezelés GroupBy segítségével

Adatművelet: Rendezés

Adatművelet: Egyesítés, megkettőzés, összefűzés

SQL művelet a Pandasban

A statisztika kulcsfontosságú az ezen a területen való tanulás megkezdéséhez.

A statisztikában használt kifejezések nagyon furcsaak és nehezen érthetők a kezdők számára, ezért mindent megtettünk, hogy nagyon egyszerű nyelven elmagyarázzuk ezeket a kifejezéseket kezdő, középhaladó vagy haladó szintű srácok számára az adattudomány, a gépi tanulás és az AI területen.

Itt olyan sok statisztikában használt kifejezést tárgyaltunk, mint például:

Hipotézisek

Kvantitatív módszerek

Kvalitatív módszerek

Független és függő változók

Előrejelző és eredményváltozók

Kategorikus változók

Bináris változó

Névleges változó

Ordinális változó

Folyamatos változó

Intervallum változó

Arány változó

Diszkrét változó

Összezavaró változók

Mérési hiba

Érvényesség és megbízhatóság

Az adatgyűjtés két módja

A variáció típusai

Rendszertelen variáció

Szisztematikus variáció

Gyakorisági eloszlását

Átlagos

Középső

Mód

Diszperzió az adatok elosztásában

Hatótávolság

Interquartilis tartomány

Kvartilis

Valószínűség

Szórás

Az alkalmazás legfontosabb előnye, hogy a mintaprojekt kivételével a teljes anyag elérhető offline, a mintaprojektrész pedig online, mert folyamatosan adjuk hozzá web alapú rendszerességgel.

Online fordító mobileszközön, kódot írhat mobilra, és futtathatja a kimenet megtekintéséhez.

Szimulációs teszt/vizsga – A szimulációs vizsga megkísérlésével ellenőrizze az adattudományi ismereteit, minden kérdésnek 4 lehetősége és 1 helyes válasza van.