Data Science using R & Python offline tutorial for Android

Opis

Rynek data science, uczenia maszynowego i sztucznej inteligencji przeżywa boom.

Nauka o danych to w zasadzie przekształcanie ustrukturyzowanych lub nieustrukturyzowanych danych w wgląd, zrozumienie i wiedzę za pomocą naukowych metod, procesów i algorytmów.

R i Python to najpopularniejsze języki programowania używane w Data Science.

R to darmowy język open source używany jako oprogramowanie statystyczne i wizualizacyjne. Może zajmować się danymi ustrukturyzowanymi (zorganizowanymi) i częściowo ustrukturyzowanymi (częściowo zorganizowanymi).

Aby nauczyć się języka R do nauki o danych, omówiliśmy wszystkie aspekty w następujący sposób:

Wstęp

Typy danych w R

Zmienne w R

Operatory w R

Instrukcje warunkowe

Instrukcje pętli

Instrukcje kontroli pętli

Skrypt R

Funkcje R

Funkcja niestandardowa

Struktury danych

Wektory atomowe

Matryca

Tablice

Czynniki

Ramki danych

Lista

Importuj/eksportuj dane Przypisz wartości do struktury danych

Manipulacja/transformacja danych

Zastosuj funkcję bazy R

pakiet dplyr

W przypadku Pythona omówiliśmy następujące:

Konfiguracja środowiska i podstawy Pythona

Wprowadzenie i konfiguracja środowiska

Przypisanie zmiennych w Pythonie

Typy danych w Pythonie

Struktura danych: krotka

Struktura danych: Lista

Struktura danych: słownik (Dict)

Struktura danych: zestaw

Operator podstawowy: in

Operator podstawowy: + (plus)

Operator podstawowy: * (pomnóż)

Funkcje

Wbudowana funkcja sekwencji w Pythonie

Instrukcje przepływu sterowania: if, elif, else

Instrukcje przepływu sterowania: dla pętli

Instrukcje przepływu sterowania: podczas gdy pętle

Obsługa wyjątków

Obliczenia matematyczne z NumPy w Pythonie

Rodzaje tablic

Atrybuty ndarray

Podstawowe operacje

Dostęp do elementu tablicy

Kopiowanie i widoki

Funkcje uniwersalne (niezbędne)

Manipulacja kształtem

Nadawanie

Algebra liniowa

Manipulacja danymi za pomocą Pand

Dlaczego Pandy?

Struktury danych

Tworzenie serii

Element dostępu do serii

Seria Operacje wektoryzacji

Tworzenie ramek danych

Przeglądanie ramki danych

Obsługa brakujących wartości

Operacje na danych z funkcjami

Funkcje statystyczne dla operacji na danych

Operacja na danych z GroupBy

Operacja na danych: sortowanie

Operacja na danych: łączenie, duplikowanie, łączenie

Operacja SQL w Pandach

Statystyka ma kluczowe znaczenie dla rozpoczęcia nauki w tej dziedzinie.

Terminy używane w statystykach są bardzo dziwne i trudne do zrozumienia dla początkujących, więc staraliśmy się jak najlepiej wyjaśnić te terminy w bardzo prostym języku dla początkujących, średniozaawansowanych lub zaawansowanych facetów w dziedzinie Data Science, Machine Learning, AI.

Tutaj omówiliśmy tak wiele terminów używanych w statystykach, jak -

Hipotezy

Metody ilościowe

Metody jakościowe

Zmienne niezależne i zależne

Zmienne predyktora i wyniku

Zmienne kategorialne

Zmienna binarna

Zmienna nominalna

Zmienna porządkowa

Zmienna ciągła

Zmienna interwału

Zmienna współczynnika

Zmienna dyskretna

Zmienne mylące

Błąd pomiaru

Trafność i niezawodność

Dwie metody zbierania danych

Rodzaje zmian

Niesystematyczna zmienność

Zmienność systematyczna

Rozkład częstotliwości

Oznaczać

Mediana

Tryb

Dyspersja w dystrybucji danych

Zasięg

Zakres międzykwartylowy

Kwartyle

Prawdopodobieństwo

Odchylenie standardowe

Najważniejszą zaletą tej aplikacji jest to, że cały materiał z wyjątkiem przykładowego projektu jest dostępny w trybie offline, przykładowa część projektu jest dostępna online, ponieważ regularnie dodajemy ją w Internecie.

Kompilator online na urządzeniu mobilnym, możesz napisać kod na urządzeniu mobilnym i uruchomić go, aby zobaczyć dane wyjściowe.

Test/egzamin symulacyjny - Sprawdź swoją wiedzę z zakresu Data Science, podchodząc do tego egzaminu symulacyjnego, każde pytanie ma 4 opcje i 1 poprawną odpowiedź.