Расписание курса

Учебник по Python

• Учебник по Python
• Введение в Python
• Начало работы с Python
• Синтаксис Python
• Комментарии в Python
• Переменные в Python
• Типы данных в Python
• Числа Python
• Конвертация типов в Python
• Строки в Python
• Булевы значения в Python
• Операторы в Python
• Списки в Python
• Тuples в Python
• Множества в Python
• Словари в Python
• Python If Else
• Цикл While в Python
• Цикл For в Python
• Функции в Python
• Lambda в Python
• Массивы в Python
• Классы/объекты Python
• Инheritance в Python
• Итерации в Python
• Область видимости в Python
• Модули в Python
• Даты в Python
• JSON в Python
• RegEx в Python
• PIP в Python
• Try ... Except в Python
• Ввод команд Python
• Форматирование строк в Python

Обработка файлов

• Открытие файла в Python
• Чтение файла в Python
• Запись/создание файла Python
• Удаление файла в Python

Python NumPy

• Введение в NumPy
• Начало работы с NumPy
• Создание массивов в NumPy
• Индексация массивов в NumPy
• Обрезка массивов в NumPy
• Типы данных в NumPy
• Копии и виды в NumPy
• Форма массивов в NumPy
• Преобразование формы массивов в NumPy
• Итерация по массивам в NumPy
• Соединение массивов в NumPy
• Разделение массивов в NumPy
• Поиск в массивах в NumPy
• Сортировка массивов в NumPy
• Фильтрация массивов в NumPy
• Случайные значения в NumPy
• ufuncs в NumPy

Машинное обучение

• Введение
• Среднее значение и медиана
• Стандартное отклонение
• Проценты
• Распределение данных
• Нормальное распределение данных
• Рассеянные точки
• Линейная регрессия
• Полиномиальная регрессия
• Многостепенная регрессия
• Масштабирование
• Обучение/тестирование
• Дерево решений

Python MySQL

• Введение в MySQL
• MySQL Создание базы данных
• MySQL Создание таблицы
• MySQL Insert
• MySQL Select
• MySQL Where
• MySQL Order By
• MySQL Delete
• MySQL Удаление таблицы
• MySQL Update
• MySQL Limit
• MySQL Join

Python MongoDB

• MongoDB Начало
• MongoDB Создание базы данных
• MongoDB Создание набора
• MongoDB Insert
• MongoDB Find
• MongoDB Query
• MongoDB Sort
• MongoDB Delete
• MongoDB Удаление набора
• MongoDB Update
• MongoDB Limit

Референсная книга Python

• Обзор Python
• Внутренние функции Python
• Методы строк Python
• Методы списков Python
• Методы словарей Python
• Методы кортежей Python
• Методы集合ов Python
• Методы файлов Python
• Ключевые слова Python

Руководство по модулям

• Модуль случайных чисел
• Модуль запросов

Python How To

• Удаление дублирующихся элементов списка
• Обратная строка

Пример Python

• Пример Python
• Тест Python

Выборочные курсы

Рекомендации по курсу:

• CodeW3C.com Шкатулка

Машинное обучение позволяет компьютерам учиться из исследовательских данных и статистической информации.

Машинное обучение - это один из шагов на пути к искусственному интеллекту (AI).

Машинное обучение - это программа, которая может анализировать данные и учиться предсказывать результаты.

С чего начать?

В этом курсе мы вернемся к математике и изучим статистику, а также как рассчитывать важные значения на основе набора данных.

Мы также будем изучать, как использовать различные модули Python для получения необходимых ответов.

Кроме того, мы будем изучать, как создавать функции, которые могут предсказывать результаты на основе полученных знаний.

Набор данных

В компьютере набор данных означает любую коллекцию данных. Это может быть что угодно, от массива до полной базы данных.

Пример массива:

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

Пример базы данных:

Просмотр массива позволяет предположить, что среднее значение может составлять около 80 или 90, и мы также можем определить максимальное и минимальное значения, но что еще мы можем сделать?

Просматривая базу данных, мы видим, что наиболее популярным цветом является белый, а старейший возраст автомобиля составляет 17 лет, но что если можно предсказать, имеет ли автомобиль AutoPass, просто посмотрев на другие значения?

Это и есть цель машинного обучения! Анализ данных и прогнозирование результатов!

В машинном обучении обычно используются非常大的 наборы данных. В этом руководстве мы постараемся сделать понимание различных концепций машинного обучения как можно более простым, используя некоторые небольшие наборы данных, которые легко понять.

Тип данных

Для анализа данных важно понимать тип данных, с которыми мы работаем.

Мы можем классифицировать типы данных в три основные категории:

• Числовой (Numerical)
• Категориальный (Categorical)
• Иерархический (Ordinal)

Числовые данныеЭто числа, которые можно разделить на два класса значений:

Discrete Data (Discrete Data)

- Числа, ограниченные целыми числами. Например: количество проехавших машин.

Конsecutive Data (Continuous Data)

- Числа с бесконечным количеством значений. Например: цена товара или размер товара.

Категориальные данныеЭто значения, которые не могут быть измерены друг относительно друга. Например: значения цвета или любых yes/no значений.

Иерархические данныеАналогично категориальным данным, но их можно измерять. Пример: оценка школы A лучше, чем оценка школы B, и т.д.

Зная тип данных источника данных, вы можете определить,何种技术在数据分析中使用。

В следующей главе вы узнаете больше о статистике и анализе данных.

Инструментальный ящик

Референсная книга Python

Пример Python

Тест Python

Ссылки спонсоров