Data Science using R & Python offline tutorial for Android

La description

Le marché de la science des données, de l'apprentissage automatique et de l'intelligence artificielle est en plein essor.

La science des données consiste essentiellement à convertir des données structurées ou non structurées en informations, en compréhension et en connaissances à l'aide de méthodes, de processus et d'algorithmes scientifiques.

R et Python sont les langages de programmation les plus couramment utilisés en Data Science.

R est un langage open source gratuit utilisé comme logiciel de statistiques et de visualisation. Il peut traiter des données structurées (organisées) et semi-structurées (semi-organisées).

Pour apprendre R pour la science des données, nous avons couvert tous les aspects comme suit :

Introduction

Types de données dans R

Variables dans R

Opérateurs en R

Expressions conditionnelles

Instructions de boucle

Instructions de contrôle de boucle

Script R

Fonctions R

Fonction personnalisée

Structures de données

Vecteurs atomiques

Matrice

Tableaux

Les facteurs

Trames de données

Liste

Importer/Exporter des données Affecter des valeurs à la structure des données

Manipulation/transformation des données

Appliquer la fonction de Base R

Forfait dplyr

Pour Python, nous avons couvert ce qui suit -

Configuration de l'environnement et bases de Python

Introduction et configuration de l'environnement

Affectation de variables en Python

Types de données en Python

Structure de données : Tuple

Structure des données : liste

Structure des données : Dictionnaire (Dict)

Structure des données : ensemble

Opérateur de base : dans

Opérateur de base : + (plus)

Opérateur de base : * (multiplier)

Les fonctions

Fonction de séquence intégrée en Python

Instructions de flux de contrôle : if, elif, else

Instructions de flux de contrôle : pour les boucles

Instructions de flux de contrôle : boucles while

Gestion des exceptions

Calcul mathématique avec NumPy en Python

Types de baies

Attributs de ndarray

Opérations de base

Accéder à l'élément de tableau

Copie et vues

Fonctions universelles (ufunc)

Manipulation de forme

Diffusion

Algèbre linéaire

Manipulation de données avec Pandas

Pourquoi Pandas ?

Structures de données

Création de séries

Élément d'accès à la série

Opérations de vectorisation des séries

Création de DataFrame

Affichage de DataFrame

Gestion des valeurs manquantes

Opérations de données avec des fonctions

Fonctions statistiques pour les opérations sur les données

Opération de données avec GroupBy

Opération de données : tri

Opération de données : fusion, duplication, concaténation

Opération SQL dans Pandas

Les statistiques sont un élément crucial pour commencer à apprendre dans ce domaine.

Les termes utilisés dans les statistiques sont très étranges et difficiles à comprendre pour les débutants, nous avons donc fait de notre mieux pour expliquer ces termes dans un langage très simple pour les gars de niveau novice, intermédiaire ou avancé en science des données, apprentissage automatique, domaine de l'IA.

Ici, nous avons couvert tant de termes utilisés dans les statistiques comme -

Hypothèses

Méthodes quantitatives

Méthodes qualitatives

Variables indépendantes et dépendantes

Variables de prédiction et de résultat

Variables catégorielles

Variable binaire

Variable nominale

Variable ordinale

Variable continue

Variable d'intervalle

Variable de rapport

Variable discrète

Variables confusionnelles

Erreur de mesure

Validité et la fiabilité

Deux méthodes de collecte de données

Types de variantes

Variation non systématique

Variation systématique

Répartition des fréquences

Moyenne

Médian

Mode

Dispersion dans la distribution des données

Intervalle

Gamme interquartile

quartiles

Probabilité

Écart-type

L'avantage le plus important de cette application est que le matériel complet, à l'exception de l'exemple de projet, est disponible hors ligne, l'exemple de projet est en ligne car nous continuons à l'ajouter régulièrement sur le Web.

Compilateur en ligne sur appareil mobile, vous pouvez écrire du code sur mobile et l'exécuter pour voir la sortie.

Test/examen de simulation - Vérifiez vos connaissances en science des données en tentant cet examen de simulation, chaque question a 4 options et 1 bonne réponse.