Data Science Учебники
Наука о данных предлагает всестороннюю программу для начинающих ученых и аналитиков данных. Наши учебные материалы охватывают статистический анализ, машинное обучение и визуализацию данных, подходящие как для начинающих, так и для учащихся среднего уровня. Через интерактивные лаборатории и практические задания по программированию вы получите практический опыт работы с реальными наборами данных. Наша песочница науки о данных позволяет вам применять свои навыки в динамичной онлайн-среде.
Другие деревья навыков
LinuxDevOpsКибербезопасностьKali LinuxDevOps EngineerCybersecurity EngineerБаза данныхRed Hat Enterprise LinuxCompTIADockerОбучение CKSОбучение CKADОбучение CKAKubernetesDevSecOpsОбучение LFCSPythonGitShellNmapWiresharkHydraJavaSQLitePostgreSQLMySQLRedisMongoDBGolangC++CJenkinsAnsiblePandasNumPyscikit-learnMatplotlibВеб-разработкаHTMLCSSJavaScriptReact
NumPy Broadcasting для эффективных вычислений
Broadcasting — это мощная функция NumPy, которая позволяет использовать массивы с различными формами в арифметических операциях. Она предоставляет способ векторизации операций с массивами и повышения вычислительной эффективности. Эта лабораторная работа познакомит вас с основами broadcasting в NumPy.
NumPyPython
Введение в Pandas и настройка
В этой лабораторной работе вы начнете работу с Pandas, мощной библиотекой для анализа данных в Python. Вы научитесь проверять ее установку, импортировать, создавать базовую Series, получать доступ к ее элементам и проверять ее свойства.
Pandas
Основы манипулирования массивами NumPy
В этой лабораторной работе вы изучите основы работы с массивами NumPy. NumPy — это мощная библиотека для численных вычислений в Python. Она предоставляет эффективные структуры данных и функции для выполнения математических операций над массивами.
NumPyPython
Сортировка данных в Pandas
В этой лабораторной работе вы изучите основные методы сортировки данных в DataFrame Pandas. Вы рассмотрите сортировку по одному и нескольким столбцам, управление порядком сортировки и управление индексом DataFrame после операций сортировки.
Pandas
Группировка и агрегация в Pandas
В этой лабораторной работе вы изучите основы группировки и агрегации данных с использованием библиотеки Pandas. Вы попрактикуетесь в использовании groupby() для создания групп и применения различных агрегирующих функций.
Pandas
Базовая очистка данных с помощью Pandas
В этой лабораторной работе вы изучите основные методы очистки данных с использованием библиотеки Pandas, включая обработку пропущенных значений, удаление дубликатов и исправление типов данных.
Pandas
Pandas: Чтение внешних данных
В этой лабораторной работе вы изучите основы чтения внешних данных в Pandas DataFrame. Вы будете использовать мощную функцию `read_csv` и ее ключевые параметры для работы с различными реальными форматами CSV-файлов.
Pandas
Установка и настройка Scikit-learn
В этой лабораторной работе вы научитесь проверять установку scikit-learn, импортировать необходимые модули и загружать пример набора данных для начала работы с машинным обучением в Python.
scikit-learn
Предварительная обработка данных в Scikit-learn
В этой лабораторной работе вы изучите основные методы предварительной обработки данных в scikit-learn, включая масштабирование признаков с помощью StandardScaler и кодирование целевой переменной с помощью LabelEncoder, используя классический набор данных Iris.
scikit-learn
Создание DataFrame в Pandas
В этой лабораторной работе вы изучите основные способы создания DataFrame в Pandas, в том числе из словарей, а также как настраивать столбцы и индексы.
Pandas
Описательная статистика Pandas
В этой лабораторной работе вы научитесь вычислять различные описательные статистики для Pandas DataFrame, включая среднее, медиану, минимум/максимум и другие.
Pandas
Универсальные функции NumPy
В этой лабораторной работе мы изучим основы универсальных функций (ufuncs) NumPy. Ufuncs — это функции, которые работают с ndarrays поэлементно, поддерживая broadcasting массивов, преобразование типов и другие стандартные функции. Мы узнаем о различных методах ufuncs, правилах broadcasting, правилах преобразования типов и о том, как переопределять поведение ufunc.
NumPyPython
Структурированные массивы в NumPy
В этой лабораторной работе мы изучим структурированные массивы в NumPy. Структурированные массивы — это ndarray, тип данных которых представляет собой композицию более простых типов данных, организованных как последовательность именованных полей. Они полезны для работы со структурированными данными, такими как табличные данные, где каждое поле представляет собой различный атрибут данных.
NumPyPython
Выбор данных в Pandas
В этой лабораторной работе вы изучите основные методы выбора и подмножества данных из Pandas DataFrames, включая выбор столбцов, строк и специфических срезов данных.
Pandas
Создание подграфиков Matplotlib
В этой лабораторной работе вы научитесь создавать и настраивать несколько подграфиков в одном рисунке с помощью Matplotlib, мощной библиотеки для построения графиков на Python. Вы будете практиковаться в создании подграфиков, построении на них данных и настройке макетов.
Matplotlib
Загрузка и исследование данных в Scikit-learn
В этой лабораторной работе вы изучите основы загрузки и исследования наборов данных в scikit-learn на примере классического набора данных Iris. Вы попрактикуетесь в доступе к данным, целевым переменным и именам признаков, а также выполните простую визуализацию.
scikit-learn
Классификация KNN с помощью Scikit-learn
В этой лабораторной работе вы научитесь использовать scikit-learn для создания классификатора K-ближайших соседей (KNN), обучите его на наборе данных Iris и будете делать предсказания на новых данных.
scikit-learn
Кросс-валидация в Scikit-learn
В этой лабораторной работе вы научитесь выполнять кросс-валидацию с помощью scikit-learn для более надежной оценки производительности модели машинного обучения.
scikit-learn
- Предыдущий
- 1
- 2
- 3
- 4
- 5
- 6
- ...
- 165
- Следующий