Build your ultimate AI agent
รายละเอียดคอร์ส
มีข้อมูลที่น่าสนใจอยู่ในมือแล้ว แต่จะเริ่มต้นวิเคราะห์จากตรงไหน? คอร์สนี้จะพาไปเรียนรู้กระบวนการสำรวจและวิเคราะห์ข้อมูลตั้งแต่ต้น ตั้งแต่การทำความเข้าใจโครงสร้างของชุดข้อมูล ไปจนถึงการนำผลการสำรวจไปใช้ในกระบวนการทำงานด้านวิทยาศาสตร์ข้อมูล
โดยใช้ข้อมูลเกี่ยวกับอัตราการว่างงานและราคาตั๋วเครื่องบิน จะได้ฝึกใช้ Python เพื่อสรุปและตรวจสอบความถูกต้องของข้อมูล คำนวณ ระบุ และแทนที่ค่าที่หายไป รวมถึงทำความสะอาดข้อมูลทั้งประเภทตัวเลขและหมวดหมู่ ตลอดทั้งคอร์สจะได้สร้างกราฟด้วย Seaborn เพื่อทำความเข้าใจตัวแปรและความสัมพันธ์ระหว่างกัน
นอกจากนี้ คอร์สยังจะแสดงให้เห็นว่าผลการสำรวจข้อมูลเชิงสำรวจสามารถต่อยอดสู่กระบวนการทำงานด้านวิทยาศาสตร์ข้อมูลได้อย่างไร ไม่ว่าจะเป็นการสร้างฟีเจอร์ใหม่ การจัดสมดุลฟีเจอร์ประเภทหมวดหมู่ และการตั้งสมมติฐานจากสิ่งที่ค้นพบ
เมื่อจบคอร์สนี้ จะมีความมั่นใจในการทำการวิเคราะห์ข้อมูลเชิงสำรวจ (EDA) ด้วย Python ได้ด้วยตนเอง รวมถึงสามารถนำเสนอผลการวิเคราะห์ด้วยภาพ และเสนอแนวทางถัดไปในการดึงข้อมูลเชิงลึกจากข้อมูลได้วิดีโอมีคำบรรยายสดที่สามารถเปิดดูได้โดยคลิก "Show transcript" ที่มุมล่างซ้ายของวิดีโอ ดูอภิธานศัพท์ของคอร์สได้ที่ส่วนทรัพยากรทางด้านขวาเพื่อรับหน่วยกิต CPE ต้องทำคอร์สให้ครบและได้คะแนนอย่างน้อย 70% ในแบบทดสอบที่กำหนด สามารถไปยังแบบทดสอบได้โดยคลิกที่ส่วน CPE credits ทางด้านขวา
โดยใช้ข้อมูลเกี่ยวกับอัตราการว่างงานและราคาตั๋วเครื่องบิน จะได้ฝึกใช้ Python เพื่อสรุปและตรวจสอบความถูกต้องของข้อมูล คำนวณ ระบุ และแทนที่ค่าที่หายไป รวมถึงทำความสะอาดข้อมูลทั้งประเภทตัวเลขและหมวดหมู่ ตลอดทั้งคอร์สจะได้สร้างกราฟด้วย Seaborn เพื่อทำความเข้าใจตัวแปรและความสัมพันธ์ระหว่างกัน
นอกจากนี้ คอร์สยังจะแสดงให้เห็นว่าผลการสำรวจข้อมูลเชิงสำรวจสามารถต่อยอดสู่กระบวนการทำงานด้านวิทยาศาสตร์ข้อมูลได้อย่างไร ไม่ว่าจะเป็นการสร้างฟีเจอร์ใหม่ การจัดสมดุลฟีเจอร์ประเภทหมวดหมู่ และการตั้งสมมติฐานจากสิ่งที่ค้นพบ
เมื่อจบคอร์สนี้ จะมีความมั่นใจในการทำการวิเคราะห์ข้อมูลเชิงสำรวจ (EDA) ด้วย Python ได้ด้วยตนเอง รวมถึงสามารถนำเสนอผลการวิเคราะห์ด้วยภาพ และเสนอแนวทางถัดไปในการดึงข้อมูลเชิงลึกจากข้อมูลได้วิดีโอมีคำบรรยายสดที่สามารถเปิดดูได้โดยคลิก "Show transcript" ที่มุมล่างซ้ายของวิดีโอ ดูอภิธานศัพท์ของคอร์สได้ที่ส่วนทรัพยากรทางด้านขวาเพื่อรับหน่วยกิต CPE ต้องทำคอร์สให้ครบและได้คะแนนอย่างน้อย 70% ในแบบทดสอบที่กำหนด สามารถไปยังแบบทดสอบได้โดยคลิกที่ส่วน CPE credits ทางด้านขวา
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
ทำความรู้จักชุดข้อมูล
จะเริ่มต้นกับชุดข้อมูลใหม่ได้อย่างไร? เรียนรู้การตรวจสอบความถูกต้องและสรุปข้อมูลทั้งประเภทหมวดหมู่และตัวเลข พร้อมสร้างกราฟด้วย Seaborn เพื่อสื่อสารสิ่งที่ค้นพบ
- การสำรวจข้อมูลเบื้องต้น50 XP
- ฟังก์ชันสำหรับการสำรวจข้อมูลเบื้องต้น100 XP
- การนับค่าในข้อมูลหมวดหมู่100 XP
- อัตราการว่างงานทั่วโลกในปี 2021100 XP
- การตรวจสอบความถูกต้องของข้อมูล50 XP
- การตรวจสอบชนิดข้อมูล100 XP
- การตรวจสอบทวีป100 XP
- การตรวจสอบช่วงข้อมูล100 XP
- การสรุปข้อมูล50 XP
- การสรุปข้อมูลด้วย .groupby() และ .agg()100 XP
- Named aggregations100 XP
- การแสดงผลสรุปข้อมูลเชิงหมวดหมู่ด้วยกราฟ100 XP
2
การทำความสะอาดข้อมูลและการประมาณค่าที่หายไป
การสำรวจและวิเคราะห์ข้อมูลมักต้องรับมือกับค่าที่หายไป ประเภทข้อมูลที่ไม่ถูกต้อง และค่าผิดปกติ ในบทนี้จะได้เรียนรู้เทคนิคในการจัดการปัญหาเหล่านี้เพื่อให้กระบวนการ EDA ราบรื่นยิ่งขึ้น
3
ความสัมพันธ์ในข้อมูล
ตัวแปรในชุดข้อมูลไม่ได้อยู่โดดเดี่ยว แต่ล้วนมีความสัมพันธ์ซึ่งกันและกัน ในบทนี้จะสำรวจความสัมพันธ์ระหว่างข้อมูลตัวเลข หมวดหมู่ และข้อมูล DateTime รวมถึงทิศทาง ความแข็งแกร่งของความสัมพันธ์ และวิธีแสดงผลด้วยกราฟ
4
ต่อยอดจากการวิเคราะห์เชิงสำรวจสู่การลงมือทำ
การวิเคราะห์ข้อมูลเชิงสำรวจเป็นขั้นตอนสำคัญในกระบวนการทำงานด้านวิทยาศาสตร์ข้อมูล แต่ยังไม่ใช่จุดสิ้นสุด บทนี้จะแนะนำเทคนิคและข้อควรพิจารณาเพื่อนำโปรเจกต์ก้าวต่อไปหลังจากสำรวจข้อมูลเสร็จแล้ว
การวิเคราะห์ข้อมูลเชิงสำรวจด้วย Python
เรียนจบแล้ว

