Быстрый старт с наукой о данных
Быстрый старт с NumPy
Этот курс познакомит вас с основами NumPy, библиотеки, поддерживающей множество математических операций.
Quick Start with NumPy
- Your First NumPy Lab
- Array Attributes and Dtype
- NumPy Arrays and Data Types
- NumPy in Space
- NumPy Array Datatype Converter
- NumPy Array Operations
- NumPy Array Operation
- NumPy Slicing and Indexing
- Array Indexing and Slicing
- Efficient NumPy Array Multiplication Operations
- NumPy Shape Manipulation
- Make NumPy Array Your Shape
- NumPy File IO
- NumPy Advanced Topics
- NumPy Math Games
Быстрый старт с Pandas
- Ваш первый лабораторный практикум по Pandas
- Работа с Pandas
- Обработка данных с Pandas
- Выбор данных в Pandas
- Pandas Plotting for Air Quality Analysis
- Working with Columns in Pandas
- Titanic Passenger Data Analysis with Pandas
- Reshaping Data with Pandas
- Combining Data Tables in Pandas
- Handling Time Series Data
- Pandas Textual Data
Быстрый старт с Matplotlib
- Ваш первый лабораторный практикум по Matplotlib
- Создание линейного графика с помощью Matplotlib
- Руководство по интерфейсу pyplot в Matplotlib
- Отображение изображений с помощью Matplotlib
- Жизненный цикл графика
- Настройка визуализаций Matplotlib
Быстрый старт с scikit-learn
- Линейные модели в Scikit-Learn
- Объяснение классификаторов дискриминантного анализа
- Изучение наборов данных и оценщиков Scikit-Learn
- Kernel Ridge Regression
- Supervised Learning with Scikit-Learn
- Model Selection: Choosing Estimators and Their Parameters
- Supervised Learning with Support Vectors
- Exploring Scikit-Learn SGD Classifiers
- Unsupervised Learning: Seeking Representations of the Data
- Implementing Stochastic Gradient Descent
- Working with Text Data
- Gaussian Process Regression and Classification
- Dimensional Reduction with PLS Algorithms
- Naive Bayes Example
- Decision Tree Classification with Scikit-Learn
Поздравляем!
Вы успешно завершили курс Quick Start With Data Science!
Чему вы научились
В ходе этого курса вы приобрели практический опыт работы с важными концепциями и навыками. Вот основные выводы:
- Основные концепции: Вы овладели фундаментальными принципами и техниками
- Практические навыки: Вы применили свои знания через интерактивные лаборатории и упражнения
- Практическое применение: Вы научились решать практические проблемы, используя приобретенные навыки
Следующие шаги
- Продолжайте практиковаться с более продвинутыми лабораториями
- Изучите связанные курсы для расширения знаний
- Примените полученные знания в своих проектах
Продолжайте учиться и веселого программирования! 🚀
