Machine Learning Учебники
Машинное обучение предоставляет всесторонний путь обучения для искусственного интеллекта и предсказательного моделирования. Наши учебные материалы охватывают широкий спектр алгоритмов и техник ML, подходящих для начинающих и специалистов среднего уровня. Через интерактивные лаборатории и примеры реального кода вы получите практический опыт в создании и обучении моделей. Наша площадка ML позволяет вам тестировать различные алгоритмы и наборы данных.
Другие деревья навыков
LinuxDevOpsКибербезопасностьKali LinuxDevOps EngineerCybersecurity EngineerБаза данныхНаука о данныхRed Hat Enterprise LinuxCompTIADockerОбучение CKSОбучение CKADОбучение CKAKubernetesDevSecOpsОбучение LFCSPythonGitShellNmapWiresharkHydraJavaSQLitePostgreSQLMySQLRedisMongoDBGolangC++CJenkinsAnsiblePandasNumPyscikit-learnMatplotlibВеб-разработкаHTMLCSSJavaScriptReact
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
Введение в индексацию в NumPy
В этой лабораторной работе мы рассмотрим основы индексации в NumPy. Индексация позволяет нам получать доступ к отдельным элементам или подмножествам элементов массива и манипулировать ими. Понимание того, как эффективно использовать индексацию, имеет решающее значение для работы с массивами в NumPy.
NumPyPython
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
Основные методы создания массивов NumPy
Эта лабораторная работа представляет собой пошаговое руководство по созданию массивов с использованием NumPy, фундаментальной библиотеки для контейнеров массивов в Python. Вы изучите различные методы создания массивов, включая преобразование последовательностей Python, использование встроенных функций создания массивов NumPy, репликацию и объединение существующих массивов, а также чтение массивов с диска.
NumPyPython
Импорт данных с помощью Genfromtxt
В этой лабораторной работе мы научимся импортировать данные с помощью функции numpy.genfromtxt. Эта функция позволяет нам считывать табличные данные из различных источников и преобразовывать их в массивы NumPy. Мы изучим различные параметры для определения входных данных, разделения строк на столбцы, выбора столбцов, установки типа данных и настройки преобразования.
NumPyPython
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
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
Фильтрация данных в Pandas
В этой лабораторной работе вы изучите основные методы фильтрации данных в Pandas DataFrame, включая булеву индексацию, комбинирование условий, использование isin и обработку отсутствующих значений.
Pandas
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 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
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
Описательная статистика Pandas
В этой лабораторной работе вы научитесь вычислять различные описательные статистики для Pandas DataFrame, включая среднее, медиану, минимум/максимум и другие.
Pandas
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
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
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
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
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
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
- Предыдущий
- 1
- 2
- 3
- 4
- 5
- 6
- ...
- 154
- Следующий