Schedule of Courses

Tutorial ng Python

• Tutorial ng Python
• Pangungusap ng Python
• Pagsisimula ng Python
• Mga Tagapagpahintulot ng Python
• Komentaryo ng Python
• Mga Variable ng Python
• Mga Uri ng Data ng Python
• Python Numbers
• Casting ng Python
• String ng Python
• Boolean ng Python
• Mga Operator ng Python
• List ng Python
• Tuple ng Python
• Set ng Python
• Dictionary ng Python
• Python If Else
• While Loop ng Python
• For Loop ng Python
• Function ng Python
• Lambda ng Python
• Array ng Python
• Python Class/Object
• Inherits ng Python
• Iteration ng Python
• Scope ng Python
• Module ng Python
• Date ng Python
• JSON ng Python
• RegEx ng Python
• PIP ng Python
• Try Except ng Python
• Python Command Input
• Format ng String ng Python

File Handling

• Bukas ng File ng Python
• Basa ng File ng Python
• Python File Write/Create
• Pagtanggal ng File ng Python

Python NumPy

• Pangungusap ng NumPy
• Pagsisimula ng NumPy
• Paglikha ng Array ng NumPy
• Index ng Array ng NumPy
• Pagsikot ng Array ng NumPy
• Uri ng Data ng NumPy
• Kopya/View ng Array ng NumPy
• Hakbang ng Array ng NumPy
• Pagsasakop ng Array ng NumPy
• Iteration ng Array ng NumPy
• Pagkakabit ng Array ng NumPy
• Paghihiwalay ng Array ng NumPy
• Paghahanap ng Array ng NumPy
• Pagtatala ng Array ng NumPy
• Pagbubunyag ng Array ng NumPy
• Random ng NumPy
• Ufuncs ng NumPy

Machine Learning

• Introduction
• Mga Moda Ng Katamtaman At Median
• Standard Deviation
• Percentile
• Data Distribution
• Normal Data Distribution
• Scatter Plot
• Linear Regression
• Polynomial Regression
• Multiple Regression
• Scaling
• Training/Testing
• Decision Tree

Python MySQL

• MySQL 入门
• MySQL Create Database
• MySQL Create Table
• MySQL Insert
• MySQL Select
• MySQL Where
• MySQL Order By
• MySQL Delete
• MySQL Drop Table
• MySQL Update
• MySQL Limit
• MySQL Join

Python MongoDB

• MongoDB Basics
• MongoDB Create Database
• MongoDB Create Collection
• MongoDB Insert
• MongoDB Find
• MongoDB Query
• MongoDB Sort
• MongoDB Delete
• MongoDB Delete Collection
• MongoDB Update
• MongoDB Limit

Talaan Ng Referensi Ng Python

• Python Reference Overview
• Python Built-in Functions
• Python String Methods
• Python List Methods
• Python Dictionary Methods
• Python Tuple Methods
• Python Collection Methods
• Python File Methods
• Python Keywords

Module Reference Manual

• Random Module
• Request Module

Python How To

• Removing Duplicate Items from a List
• Reversing String

Python Halimbawa

• Python Halimbawa
• Python Pagsusuri

Pangunahing kurso

Rekomendasyon ng kurso:

• CodeW3C.com Kawan Box

Ang machine learning ay nagbibigay sa kompyuter ng kakayahan na maturuan mula sa pag-aaral ng datos at estatistika.

Ang machine learning ay isa sa mga hakbang sa direksyon ng artificial intelligence (AI).

Ang machine learning ay isang programang maaaring analin ang datos at maturuan ng pag-predict.

Saan magsimula?

Sa tutorial na ito, babalikan namin ang matematika at pag-aaral ng estatistika, at kung paano kalkulahin ang mahahalagang bilang base sa dataset.

Malalaman din namin kung paano gamitin ang iba't ibang module ng Python upang makuha ang kailangan nating sagot.

At, malalaman namin kung paano gumawa ng function na maaaring mag-prediction base sa kung ano ang natutunan namin.

Dataset

Sa kompyuter, ang dataset ay kahit anong koleksyon ng datos. Ito ay maaaring mula sa array hanggang sa buong database na kahit anong nilalaman.

Isang halimbawa ng array:

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

Isang halimbawa ng database:

Sa pamamagitan ng pagtingin sa array, maaring hulaan namin na ang katamtaman ay humigit-kumulang sa 80 o 90, at maaari naming tiyakin ang pinakamataas at pinakamababang bilang, ngunit ano pa pa ang maaari naming gawin?

Sa pamamagitan ng pagtingin sa database, makikita namin na ang pinaka-tanyag na kulay ay puti, ang pinakamatanda na edad ng sasakyan ay 17 taon, ngunit kung mayroon bang hulaan kung mayroon bang AutoPass sa pamamagitan ng pagtingin sa ibang halaga?

Ito ang layunin ng machine learning! Analusihin ang data at hulaan ang resulta!

Sa machine learning, karaniwang ginagamit ang malaking dataset. Sa naturang tutorial, sinusubukan naming gamitin ang maliliit na dataset upang madaling maunawaan ng iba't ibang konsepto ng machine learning.

Data Type

Upang analuhin ang data, napakahalaga na malaman ang uri ng data na aking aayosin.

Maaari naming ihatid ang uri ng data sa tatlong pangunahing kategorya:

• Numerical (Numerical)
• Categorical (Categorical)
• Ordinal (Ordinal)

Numerical DataIto ay bilang, at maaaring daluhang uri ng bilang:

Discrete Data (Discrete Data)

- Ang mga bilang na limitado sa mga integer. Halimbawa: Ang bilang ng mga sasakyan na lumiliko.

Continuous Data (Continuous Data)

- Ang mga bilang na walang hanggang bilang. Halimbawa: Ang presyo ng produkto o laki ng produkto.

Categorical DataIyong halimbawa ay ang mga halaga na hindi maaaring magiging magkapareho. Halimbawa: Ang kulay o kahit anong halaga na yes/no.

Numerical DataKatulad ng kategorya ng pagkakahiwalay, ngunit maaaring magiging panukalang pagtutuing. Halimbawa: Ang mga resulta ng paaralan ng A ay mas mabuti kay B, at iba pa.

Sa pamamagitan ng pagkatuklas ng uri ng data ng pinagmulan, maalaman mo ang teknolohiya na gagamitin sa pag-aayos ng data.

Sa susunod na kabanata, matututuhan mo ang mas maraming kaalaman tungkol sa istatistika at pagsusuri ng data.

Box Ng mga Gamit

Talaan Ng Referensi Ng Python

Python Halimbawa

Python Pagsusuri

Link Sa Sponsor