Data Science チュートリアル
データサイエンスは、データサイエンティストやアナリストを目指す人のための包括的なカリキュラムを提供します。私たちのチュートリアルは、統計分析、機械学習、データビジュアライゼーションをカバーしており、初心者から中級者までに適しています。インタラクティブラボや実践的なコーディング演習を通じて、実際のデータセットを使った実践的な経験を得ることができます。私たちのデータサイエンスプレイグラウンドでは、動的なオンライン環境でスキルを応用できます。
PostgreSQL 高度なデータ型
この実験では、PostgreSQL の高度なデータ型を探求します。JSON/JSONB、配列、UUID に焦点を当て、これらの型内でのデータの保存、クエリ、操作方法を学びます。JSON/JSONB の保存とクエリ、配列列の作成、UUID を識別子として使用する方法をカバーしています。
PostgreSQL
判別分析分類器の解説
線形判別分析 (Linear and Quadratic Discriminant Analysis, LDA) と二次判別分析 (QDA) は、機械学習で使用される 2 つの古典的な分類器です。LDA は線形の決定面を使用し、QDA は二次の決定面を使用します。これらの分類器は、閉形式の解を持ち、実際に良好に機能し、調整するハイパーパラメータがないため、人気があります。
Machine Learningscikit-learn
Scikit - Learn を使った教師あり学習
教師あり学習では、2 つのデータセット間の関係を学びたいものです。1 つは観測データ X で、もう 1 つは予測したい外部変数 y です。
Machine Learningscikit-learn
Scikit - Learn のデータセットと推定器を探る
この実験では、Python の人気のある機械学習ライブラリである Scikit - Learn における設定と推定器オブジェクトを探ります。2 次元配列として表されるデータセットについて学び、Scikit - Learn 用にそれらを前処理する方法を学びます。また、データから学習し予測を行うために使用される推定器オブジェクトの概念も探ります。
Machine Learningscikit-learn
カーネルリッジ回帰
この実験では、カーネルリッジ回帰（KRR）と Python の scikit - learn ライブラリを使ったその実装方法について学びます。KRR は、リッジ回帰とカーネルトリックを組み合わせて、カーネルによって誘導される空間で線形関数を学習します。入力と出力変数間の非線形関係を処理できる非線形回帰手法です。
Machine Learningscikit-learn
モデル選択：推定器とそのパラメータの選択
機械学習において、モデル選択は、与えられたデータセットに対して最適なモデルを選ぶプロセスです。適切な推定器を選択し、そのパラメータを調整して最適な性能を達成することが含まれます。このチュートリアルでは、scikit-learn におけるモデル選択のプロセスを案内します。
Machine Learningscikit-learn
Scikit - Learn における線形モデル
この実験では、Scikit - Learn における線形モデルを調べます。線形モデルは、回帰と分類タスクに使用される一連の手法です。これらは、目的変数が特徴の線形結合であると仮定しています。これらのモデルは、その単純さと解釈可能性のため、機械学習で広く使用されています。
Machine Learningscikit-learn
シンボルの制御とサブモジュールの結合
Python でパッケージのインポートの複雑さを理解し、`__all__` でエクスポートされるシンボルを制御し、パッケージからすべてをエクスポートし、コードをより整理するためにモジュールを分割します。
Python
管理されたジェネレーターについて学ぶ
Python のジェネレーターを理解し、それを使ってタスクスケジューラーを作成し、スケジューラーをテストし、ネットワークサーバーを構築し、エコーサーバーを実装することで、管理されたジェネレーターについて学びます。
Python
オブジェクトの表現方法
Python でオブジェクトがどのように表現されるかを学びます。簡単な株式クラスを作成し、オブジェクトの内部辞書を探索し、属性を追加および変更し、クラスとインスタンスの関係を理解します。
Python
継承の実践的な使い方
問題を理解し、基底クラスを作成して出力関数を修正し、具体的なフォーマッタを実装し、追加のフォーマッタを作成し、ファクトリ関数を構築することで、Python での実践的な継承を学びます。
Python
Python の第一級オブジェクトとメモリモデルの探索
Python の第一級オブジェクトを理解し、CSV 処理のためのユーティリティ関数を作成し、Python のメモリモデルを探索し、列指向のデータストレージについて学び、Python の第一級オブジェクトとメモリモデルを探索します。
Python
シンプルなクラスを定義する
Stock クラスに sell メソッドを追加し、CSV ファイルからポートフォリオを読み取り、Python でポートフォリオデータを整形して表示します。
Python
Private 属性とプロパティ
Python で private 属性を実装し、メソッドをプロパティに変換し、プロパティの検証を実装し、メモリ最適化のために__slots__を使用し、クラス変数との型検証を調整します。
Python
特殊メソッドの再定義
Python で特殊メソッドを再定義することで、`__repr__` を使ってオブジェクトの表現を改善し、`__eq__` を使ってオブジェクトを比較可能にし、コンテキストマネージャを作成します。
Python
新しいプリミティブ型を作成する
基本的な MutInt クラスを作成し、その文字列表現を改善し、数学的および比較演算を追加し、型変換を実装して、Python で新しいプリミティブ型を作成します。
Python
カスタムコンテナの作成
Python でリストと辞書のメモリ割り当てを理解し、列指向データでメモリを最適化し、カスタムコンテナクラスを作成し、スライシングに対応させます。
Python
プロのように反復処理を行う
Python で基本的な反復処理とシーケンスのアンパッキングを習得し、enumerate() と zip() 関数を活用し、メモリ効率を高めるためのジェネレータ式を学びましょう。
Python
- 前へ
- 1
- 2
- 3
- 4
- 5
- 6
- ...
- 233
- 次へ