Data Science using R & Python

بازار داده ، دانش و یادگیری ماشین و هوش مصنوعی رونق دارد.

علم داده اساساً داده های ساختاری یا بدون ساختار را به بینش ، درک و دانش با استفاده از روش های علمی ، فرایندها و الگوریتم ها تبدیل می کند.

R و Python رایج ترین زبان های برنامه نویسی هستند که در Data Science استفاده می شوند.

R یک زبان منبع آزاد آزاد است که به عنوان نرم افزار آماری و تجسم استفاده می شود. این می تواند با داده های ساختاری (سازمان یافته) و نیمه ساختار یافته (نیمه سازمان یافته) سروکار داشته باشد.

برای یادگیری R برای علم داده ، همه جوانب را به شرح زیر پوشش دادیم:

& # 10020؛ مقدمه

& # 10020؛ انواع داده در R

& # 10020؛ متغیرها در R

& # 10020؛ اپراتورها در R

& # 10020؛ اظهارات شرط

& # 10020؛ عبارات حلقه

& # 10020؛ بیانیه های کنترل حلقه

& # 10020؛ اسکریپت R

& # 10020؛ توابع R

& # 10020؛ عملکرد سفارشی

& # 10020؛ ساختارهای داده

• بردارهای اتمی

• ماتریس

• آرایه ها

• عوامل

• قاب داده ها

• لیست کنید

& # 10020؛ واردات / صادرات داده - مقادیر را به ساختار داده اختصاص دهید

& # 10020؛ دستکاری / تبدیل داده ها

& # 10020؛ عملکرد Base R را اعمال کنید

& # 10020؛ بسته بندی dplyr

برای پایتون موارد زیر را تحت پوشش قرار داده ایم -

& # 10020؛ تنظیم محیط و ملزومات پایتون

• معرفی و راه اندازی محیط

• تکالیف متغیر در پایتون

• انواع داده در پایتون

• ساختار داده: Tuple

• ساختار داده: لیست

• ساختار داده: فرهنگ لغت (دیکت)

• ساختار داده: مجموعه

• عملگر اصلی: در

• اپراتور اصلی: + (به علاوه)

• اپراتور اصلی: * (ضرب کنید)

• کارکرد

• توابع توالی ساخته شده در پایتون

- کنترل بیانیه های جریان: اگر ، elif ، موارد دیگر

• کنترل بیانیه های جریان: برای حلقه ها

• کنترل بیانیه های جریان: در حالی که حلقه ها

رسیدگی به استثناء

& # 10020؛ محاسبه ریاضی با NumPy در پایتون

• انواع آرایه ها

• ویژگی های ndarray

• عملیات اساسی

• دسترسی به عنصر Array

• کپی و نمایش ها

• توابع جهانی (ufunc)

• دستکاری شکل

• صدا و سیما

• جبر خطی

& # 10020؛ دستکاری داده با پاندا

    • چرا پاندا؟

    • ساختارهای داده

    • سریال - ایجاد

    • سری - عنصر دسترسی

    • سری - عملیات بردار سازی

    • DataFrame - ایجاد

    • مشاهده DataFrame

    • رسیدگی به ارزشهای از دست رفته

    • عملیات داده با توابع

    • عملکردهای آماری برای عملیات داده

    • عملیات داده با GroupBy

    • عملیات داده: مرتب سازی

    • بهره برداری از داده ها: ادغام ، تکثیر ، جمع بندی

    • عملیات SQL در پاندا

آمار بخش اساسی برای شروع یادگیری در این زمینه است.

اصطلاحاتی که در آمار استفاده می شود برای مبتدیان بسیار عجیب و دشوار است ، بنابراین ما تمام تلاش خود را برای توضیح این اصطلاحات به زبان بسیار آسان برای افراد تازه کار ، متوسط ​​یا پیشرفته در زمینه های Data Science ، Machine Learning ، AI انجام دادیم.

در اینجا ما عبارات بسیاری را که در آمارهایی مانند:

• فرضیه ها

• روش های کمی

• روش های کیفی

• متغیرهای مستقل و وابسته

• متغیرهای پیش بینی کننده و نتیجه

• متغیرهای طبقه بندی شده

• متغیر دودویی

• متغیر اسمی

• متغیر معمولی

• متغیر مداوم

• متغیر فاصله

• متغیر نسبت

• متغیر گسسته

• متغیرهای مخدوش کننده

• خطای اندازه گیری

• اعتبار و اعتماد

• دو روش جمع آوری داده ها

• انواع تغییر

• تنوع غیر سیستماتیک

• تنوع سیستمی

• توزیع فرکانس

• منظور داشتن

• متوسط

• حالت

• پراکندگی در توزیع داده ها

• دامنه

• محدوده بین بخشی

• یک چهارم

• احتمال

• انحراف معیار

مهمترین مزیت این برنامه این است که مواد کامل به جز نمونه پروژه بصورت آفلاین در دسترس است ، بخش پروژه نمونه آنلاین است زیرا ما به طور مرتب آن را اضافه می کنیم.

کامپایلر آنلاین در دستگاه تلفن همراه ، می توانید کد را بر روی موبایل بنویسید و آن را اجرا کنید تا خروجی را مشاهده کنید.

آزمون شبیه سازی / امتحان - با استفاده از این آزمون شبیه سازی ، دانش خود را در Data Science بررسی کنید ، هر سوال دارای 4 گزینه و 1 پاسخ صحیح است.