Data Science with R & Python F

R ، Python والاحصاء تعليمي لعلوم البيانات ، والتعلم الآلي ومنظمة العفو الدولية

تشهد سوق علوم البيانات والتعلم الآلي والذكاء الاصطناعي ازدهارًا.

يقوم علم البيانات بشكل أساسي بتحويل البيانات المنظمة أو غير المنظمة إلى رؤية وفهم ومعرفة باستخدام الأساليب والعمليات والخوارزميات العلمية.

R و Python هي لغات برمجة مفتوحة المصدر مجانية تستخدم في الإحصاءات الإحصائية والرياضية ومشاحنات البيانات والاستكشاف والتصور في علوم البيانات. يمكنه التعامل مع البيانات المنظمة (المنظمة) وشبه المنظمة (شبه المنظمة).

لمعرفة R لعلوم البيانات ، قمنا بتغطية جميع الجوانب على النحو التالي:

• المقدمة

• أنواع البيانات في R

• المتغيرات في R

• عوامل التشغيل في R

• عبارات شرطية

• بيانات الحلقة

• بيانات التحكم في الحلقة

• R سيناريو

• وظائف R

• وظيفة مخصصة

• هياكل البيانات

& # 8270 ؛ نواقل ذرية

& # 8270 ؛ مصفوفة

& # 8270 ؛ المصفوفات

& # 8270 ؛ العوامل

& # 8270 ؛ إطارات البيانات

& # 8270 ؛ قائمة

• استيراد / تصدير البيانات - تعيين القيم لهيكل البيانات

• معالجة / تحويل البيانات

• تطبيق وظيفة Base R

• حزمة dplyr

بالنسبة لـ Python ، قمنا بتغطية ما يلي -

& # 10020 ؛ إعداد البيئة وأساسيات Python

& # 10045 ؛ مقدمة وإعداد البيئة

& # 10045 ؛ مهمة متغيرة في بيثون

& # 10045 ؛ أنواع البيانات في Python

& # 10045 ؛ بنية البيانات: Tuple

& # 10045 ؛ بنية البيانات: قائمة

& # 10045 ؛ بنية البيانات: القاموس (الإملاء)

& # 10045 ؛ بنية البيانات: تعيين

& # 10045 ؛ عامل التشغيل الأساسي: في

& # 10045 ؛ عامل التشغيل الأساسي: + (زائد)

& # 10045 ؛ عامل التشغيل الأساسي: * (ضرب)

& # 10045 ؛ وظائف

& # 10045 ؛ وظيفة التسلسل المضمنة في بيثون

& # 10045 ؛ بيانات التحكم في التدفق: if ، elif ، وإلا

& # 10045 ؛ بيانات التحكم في التدفق: للحلقات

& # 10045 ؛ بيانات التحكم في التدفق: بينما حلقات

& # 10045 ؛ معالجة الاستثناء

& # 10020 ؛ الحساب الرياضي مع NumPy في بيثون

& # 10045 ؛ أنواع المصفوفات

& # 10045 ؛ سمات ndarray

& # 10045 ؛ العمليات الأساسية

& # 10045 ؛ الوصول إلى عنصر الصفيف

& # 10045 ؛ النسخ والمشاهدات

& # 10045 ؛ وظائف عالمية (ufunc)

& # 10045 ؛ التلاعب في الشكل

& # 10045 ؛ البث

& # 10045 ؛ الجبر الخطي

& # 10020 ؛ معالجة البيانات مع الباندا

    • لماذا الباندا؟

    • هياكل البيانات

    • سلسلة - الخلق

    • السلسلة - عنصر الوصول

    • سلسلة - عمليات المتجه

    • DataFrame - الإنشاء

    • عرض DataFrame

    • التعامل مع القيم المفقودة

    • عمليات البيانات مع الوظائف

    • الوظائف الإحصائية لعمليات البيانات

    • تشغيل البيانات مع GroupBy

    • تشغيل البيانات: الفرز

    • تشغيل البيانات: الدمج ، التكرار ، التسلسل

    • تشغيل SQL في Pandas

الإحصائيات هي جزء حاسم لبدء التعلم في هذا المجال.

المصطلحات المستخدمة في الإحصائيات غريبة جدًا ويصعب فهمها للمبتدئين ، لذلك حاولنا قصارى جهدنا لشرح هذه المصطلحات بلغة سهلة جدًا للمبتدئين أو المتوسطين أو المتقدمين في علوم البيانات وتعلم الآلة ومجال الذكاء الاصطناعي.

قمنا هنا بتغطية العديد من المصطلحات المستخدمة في إحصائيات مثل -

• الفرضيات

• الأساليب الكمية

• الأساليب النوعية

• المتغيرات المستقلة والتابعة

• متغيرات التوقع والنتائج

• متغيرات مقولية

• متغير ثنائي

• المتغير الاسمي

• متغير عادي

• المتغير المستمر

• متغير الفاصل الزمني

• متغير النسبة

• المتغير المنفصل

• متغيرات مربكة

• خطأ في القياس

• صحة وموثوقية

• طريقتان لجمع البيانات

• أنواع الاختلاف

• الاختلاف غير المنتظم

• التباين المنهجي

• التوزيع بتكرار

• المعنى

• المتوسط

• المزاج

• التشتت في توزيع البيانات

• نطاق

• النطاق الربيعي

• الشرائح الربعية

• احتمالا

• الانحراف المعياري

الميزة الأكثر أهمية في هذا التطبيق التي تكمل المواد باستثناء عينة المشروع متاحة بلا اتصال بالإنترنت ، جزء من نموذج المشروع متصل بالإنترنت لأننا نستمر في إضافته بشكل منتظم على شبكة الإنترنت.

مترجم عبر الإنترنت على جهاز محمول ، يمكنك كتابة رمز على الهاتف المحمول وتشغيله لرؤية الإخراج.

اختبار / اختبار المحاكاة - تحقق من معرفتك في Data Science من خلال محاولة اختبار المحاكاة هذا ، لكل سؤال 4 خيارات وإجابة واحدة صحيحة.