Jadwal Kursus

Panduan Python

• Panduan Python
• Pengenalan Python
• Pembukaan Python
• Syarat Python
• Komentar Python
• Variabel Python
• Tipe Data Python
• Angka Python
• Casting Python
• String Python
• Boolean Python
• Operator Python
• Daftar Python
• Kumpulan Python
• Koleksi Python
• Dikumpulkan Python
• If Else Python
• Perulangan While Python
• Perulangan For Python
• Fungsi Python
• Lambda Python
• Array Python
• Kelas/Objek Python
• Penerus Python
• Iterasi Python
• Lingkungan Variabel Python
• Modul Python
• Tanggal Python
• JSON Python
• RegEx Python
• PIP Python
• Try Except Python
• Input Perintah Python
• Pemformatan String Python

Pemrosesan Berkas

• Buka Berkas Python
• Baca Berkas Python
• Penulisan/ Pembuatan Berkas Python
• Hapus Berkas Python

Python NumPy

• Pengenalan NumPy
• Pembukaan NumPy
• Pembuatan Array NumPy
• Indeks Array NumPy
• Potong Array NumPy
• Tipe Data NumPy
• Salinan/View NumPy
• Bentuk Array NumPy
• Ukuran Array NumPy
• Iterasi Array NumPy
• Koneksi Array NumPy
• Pemecahan Array NumPy
• Pencarian Array NumPy
• Pengurutan Array NumPy
• Pemfilteran Array NumPy
• Acak NumPy
• ufunc NumPy

Pemrosesan Mesin

• Masuk
• Mode Median Rata-rata
• Kesalahan Standar
• Penentuan Persentase
• Distribusi Data
• Distribusi Data Normal
• Garis Titik
• Regresi Linear
• Regresi Polinomial
• Regresi Multivariabel
• Skala
• Pelatihan/Pengujian
• Pohon Keputusan

Python MySQL

• Masuk ke MySQL
• MySQL Buat Database
• MySQL Buat Tabel
• MySQL Insert
• MySQL Select
• Where MySQL
• Urutkan MySQL
• Hapus MySQL
• Hapus tabel MySQL
• Update MySQL
• Limit MySQL
• Join MySQL

Python MongoDB

• Masuk MongoDB
• Buat database MongoDB
• Buat koleksi MongoDB
• Masukkan MongoDB
• Cari MongoDB
• Kueri MongoDB
• Urutkan MongoDB
• Hapus MongoDB
• Hapus koleksi MongoDB
• Update MongoDB
• Limit MongoDB

Panduan Referensi Python

• Ringkasan referensi Python
• Fungsi bawaan Python
• Metode string Python
• Metode daftar Python
• Metode dictionary Python
• Metode tuple Python
• Metode koleksi Python
• Metode berkas Python
• Kata kunci Python

Panduan referensi modul

• Modul acak
• Modul permintaan

Python How To

• Hapus item ganda dalam daftar
• Balik kata

Python Contoh

• Python Contoh
• Python Quiz

Kursus pilihan

Rekomendasi kursus:

• Kotak Lengkap CodeW3C.com

PemBELAJARAN mesin memungkinkan komputer untuk belajar dari data penelitian dan informasi statistik.

PemBELAJARAN mesin adalah salah satu tahap untuk menuju arah keperluan kognitif (AI).

PemBELAJARAN mesin adalah program yang dapat menganalisis data dan belajar untuk memprediksi hasil.

Dari mana mulai?

Pada tutorial ini, kita akan kembali ke matematika dan mempelajari statistik serta bagaimana menghitung nilai penting berdasarkan dataset.

Kami juga akan belajar bagaimana menggunakan berbagai modul Python untuk mendapatkan jawaban yang diinginkan.

Dan, kita akan belajar bagaimana menulis fungsi yang dapat memprediksi hasil berdasarkan pengetahuan yang kita miliki.

Dataset

Dalam komputer, dataset adalah referensi untuk setiap koleksi data. Ini dapat berupa array hingga database yang penuh.

Contoh array:

[99,86,87,88,111,86,103,87,94,78,77,85,86]

Contoh database:

Dengan melihat array, kita dapat menggugat rata-rata mungkin sekitar 80 atau 90, dan kita juga dapat menentukan nilai maksimum dan minimum, tetapi apa yang lain yang kita dapat lakukan?

Dengan melihat database, kita dapat melihat warna yang paling populer adalah putih, umur mobil tertua adalah 17 tahun, tetapi apa jika hanya melihat nilai lainnya, bagaimana dapat diprediksi apakah mobil memiliki AutoPass?

Ini adalah tujuannya! Analisis data dan ramalan hasil!

Dalam ilmu mesin, biasanya digunakan kumpulan data yang sangat besar. Dalam tutorial ini, kami akan berusaha membuat Anda dapat memahami konsep-konsep yang berbeda dalam ilmu mesin dengan mudah, dan akan menggunakan beberapa kumpulan data kecil yang mudah dipahami.

Tipe data

Untuk menganalisis data, penting untuk mengetahui tipe data yang akan dihandle.

Kami dapat membagi tipe data menjadi tiga kategori utama:

• Numerik
• Kelasifikasi
• Ordinal

Data numerikAdalah angka yang dapat dibagi menjadi dua kelas nilai:

Data tak berkelanjutan (Discrete Data)

- Angka yang dibatasi menjadi bilangan bulat. Contoh: jumlah mobil yang melalui.

Data berkelanjutan (Continuous Data)

- Angka dengan nilai tak terbatas. Contoh: harga produk atau ukuran produk.

Data kelasifikasiAdalah nilai yang tidak dapat diukur. Contoh: nilai warna atau setiap nilai yes/no.

Data ordinalSeperti data kelasifikasi, tetapi dapat diukur. Contoh: Nilai akademis sekolah A yang lebih baik daripada B, dan seterusnya.

Dengan mengenali tipe data sumber data, Anda dapat mengetahui teknik yang akan digunakan dalam analisis data.

Dalam bab berikutnya, Anda akan belajar tentang statistik dan analisis data yang lebih banyak.

Alat Kunci

Panduan Referensi Python

Python Contoh

Python Quiz

Tautan Pemroses