| Versão | 2.1-paid |
|---|---|
| Editor | Concept Apps World |
| Data de lançamento | Apr 22, 2020 |
| Data adicionada | Apr 22, 2020 |
| Os requisitos | Android |
| Requisitos | Requires Android 4.1 and up |
| Total de downloads | 1 |
| Preço | $1.99 |
Descrição
O mercado de ciência de dados, aprendizado de máquina e inteligência artificial está em alta.
A ciência de dados é basicamente converter dados estruturados ou não estruturados em insights, compreensão e conhecimento usando métodos, processos e algoritmos científicos.
R e Python são as linguagens de programação mais comuns usadas em Data Science.
R é uma linguagem de código aberto gratuita usada como software estatístico e de visualização. Pode lidar com dados estruturados (organizados) e semiestruturados (semi-organizados).
Para aprender R para ciência de dados, abordamos todos os aspectos da seguinte forma:
Introdução
Tipos de dados em R
Variáveis em R
Operadores em R
Declarações Condicionais
Declarações de loop
Declarações de controle de loop
Script R
Funções R
Função personalizada
Estruturas de dados
Vetores atômicos
Matriz
Matrizes
Fatores
Quadros de dados
Lista
Importar/Exportar Dados Atribuir valores à estrutura de dados
Manipulação/Transformação de Dados
Aplicar função da Base R
Pacote dplyr
Para Python, abordamos a seguir -
Configuração do ambiente e fundamentos do Python
Introdução e configuração do ambiente
Atribuição de variável em Python
Tipos de dados em Python
Estrutura de dados: Tupla
Estrutura de dados: lista
Estrutura de dados: Dicionário (Dict)
Estrutura de dados: conjunto
Operador Básico: em
Operador Básico: + (mais)
Operador Básico: * (multiplicar)
Funções
Função de sequência embutida em Python
Declarações de fluxo de controle: if, elif, else
Declarações de fluxo de controle: para loops
Declarações de fluxo de controle: while Loops
Manipulação de exceção
Computação matemática com NumPy em Python
Tipos de matrizes
Atributos de ndarray
Operações básicas
Acessando o elemento da matriz
Copiar e visualizações
Funções Universais (ufunc)
Manipulação de Forma
Transmissão
Álgebra Linear
Manipulação de dados com Pandas
Por que Pandas?
Estruturas de dados
Criação de Séries
Elemento de Acesso à Série
Operações de vetorização de séries
Criação de DataFrame
Visualizando DataFrame
Como lidar com valores ausentes
Operações de dados com funções
Funções estatísticas para operações de dados
Operação de dados com GroupBy
Operação de dados: classificação
Operação de dados: mesclar, duplicar, concatenação
Operação SQL em Pandas
Estatística é parte crucial para começar a aprender neste campo.
Os termos usados em estatística são muito estranhos e difíceis de entender para iniciantes, então tentamos o nosso melhor para explicar esses termos em uma linguagem muito fácil para iniciantes, intermediários ou avançados em ciência de dados, aprendizado de máquina, campo de IA.
Aqui nós cobrimos tantos termos usados em estatísticas como -
Hipóteses
Métodos Quantitativos
Métodos qualitativos
Variáveis independentes e dependentes
Variáveis de previsão e resultado
Variáveis categóricas
Variável binária
Variável nominal
Variável ordinal
Variável contínua
Variável de intervalo
Variável de proporção
Variável discreta
Variáveis confusas
Erro de medição
Validade e Confiabilidade
Dois métodos de coleta de dados
Tipos de variação
Variação não sistemática
Variação sistemática
Distribuição de frequência
Significa
Mediana
Modo
Dispersão na distribuição de dados
Variar
Intervalo interquartil
Quartis
Probabilidade
Desvio padrão
A vantagem mais importante deste aplicativo é que o material completo, exceto o projeto de amostra, está disponível offline, a parte do projeto de amostra está online porque continuamos adicionando-o regularmente na Web.
Compilador online no dispositivo móvel, você pode escrever código no celular e executá-lo para ver a saída.
Teste/Exame de Simulação - Verifique seus conhecimentos em Data Science tentando este exame de simulação, cada questão tem 4 opções e 1 resposta correta.
