Data Science using R & Python offline tutorial for Android APK

شرح

بازار علم داده، یادگیری ماشین و هوش مصنوعی در حال رونق است.

علم داده اساساً با استفاده از روش‌ها، فرآیندها و الگوریتم‌های علمی، داده‌های ساختاریافته یا بدون ساختار را به بینش، درک و دانش تبدیل می‌کند.

R و Python رایج ترین زبان های برنامه نویسی مورد استفاده در علم داده هستند.

R یک زبان منبع باز رایگان است که به عنوان نرم افزار آماری و تجسمی استفاده می شود. می‌تواند با داده‌های ساختاریافته (سازمان‌یافته) و نیمه ساختاریافته (نیمه سازمان‌یافته) سروکار داشته باشد.

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

مقدمه

انواع داده در R

متغیرها در R

اپراتورها در R

اظهارات مشروط

عبارات حلقه

بیانیه های کنترل حلقه

اسکریپت R

توابع R

تابع سفارشی

ساختارهای داده

بردارهای اتمی

ماتریس

آرایه ها

عوامل

فریم های داده

فهرست کنید

واردات/صادرات داده مقادیری را به ساختار داده اختصاص دهید

دستکاری/تحول داده ها

اعمال تابع پایه R

پکیج dplyr

برای پایتون موارد زیر را پوشش دادیم -

راه اندازی محیط و ملزومات پایتون

مقدمه و تنظیم محیط

تخصیص متغیر در پایتون

انواع داده ها در پایتون

ساختار داده: تاپل

ساختار داده: فهرست

ساختار داده: دیکشنری (Dict)

ساختار داده: مجموعه

اپراتور اصلی: در

اپراتور اصلی: + (به علاوه)

اپراتور اصلی: * (ضرب)

کارکرد

توالی توالی داخلی در پایتون

بیانیه های جریان کنترل: if، elif، else

بیانیه های جریان کنترل: برای حلقه ها

عبارات جریان کنترل: while Loops

رسیدگی به استثنا

محاسبات ریاضی با NumPy در پایتون

انواع آرایه ها

صفات ndarray

عملیات اساسی

دسترسی به عنصر آرایه

کپی و مشاهده

توابع جهانی (ufunc)

دستکاری شکل

صدا و سیما

جبر خطی

دستکاری داده ها با پانداها

چرا پانداها؟

ساختارهای داده

ساخت سریال

عنصر دسترسی سری

عملیات برداری سری

ایجاد DataFrame

مشاهده DataFrame

مدیریت ارزش های گمشده

عملیات داده با توابع

توابع آماری برای عملیات داده

عملیات داده با GroupBy

عملیات داده ها: مرتب سازی

عملیات داده: ادغام، تکرار، الحاق

عملیات SQL در پانداها

آمار بخش مهمی برای شروع یادگیری در این زمینه است.

اصطلاحات استفاده شده در آمار برای مبتدیان بسیار عجیب و دشوار است، بنابراین ما تمام تلاش خود را کردیم تا این اصطلاحات را به زبانی بسیار آسان برای افراد مبتدی، متوسط ​​یا پیشرفته در زمینه علوم داده، یادگیری ماشین، هوش مصنوعی توضیح دهیم.

در اینجا ما بسیاری از اصطلاحات مورد استفاده در آمار را پوشش دادیم مانند -

فرضیه ها

روش های کمی

روش های کیفی

متغیرهای مستقل و وابسته

متغیرهای پیش بینی کننده و نتیجه

متغیرهای طبقه بندی شده

متغیر باینری

متغیر اسمی

متغیر ترتیبی

متغیر پیوسته

متغیر فاصله

متغیر نسبت

متغیر گسسته

متغیرهای مخدوش کننده

خطای اندازه گیری

اعتبار و اعتماد

دو روش جمع آوری داده ها

انواع تنوع

تنوع غیر سیستماتیک

تنوع سیستماتیک

توزیع فرکانس

منظور داشتن

میانه

حالت

پراکندگی در توزیع داده ها

دامنه

محدوده بین چارکی

یک چهارم

احتمال

انحراف معیار

مهمترین مزیت این برنامه این است که مطالب کامل به جز پروژه نمونه به صورت آفلاین در دسترس است، بخش نمونه پروژه آنلاین است زیرا ما مرتباً آن را مبتنی بر وب اضافه می کنیم.

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

آزمون/آزمون شبیه سازی - با امتحان کردن این آزمون شبیه سازی، دانش خود را در علم داده بررسی کنید، هر سوال دارای 4 گزینه و 1 پاسخ صحیح است.