Hướng dẫn Khoa học Dữ liệu

Trực quan hóa bất bình đẳng trong nháy mắt bằng đường cong Lorenz. Khám phá cách tạo và diễn giải đường cong Lorenz bằng Python để phân tích bất bình đẳng trong thu nhập, tội phạm, và các tập dữ liệu thực tế khác.

Hướng dẫn nhỏ này nhằm giới thiệu cho bạn những kiến thức cơ bản về machine learning trong R: nó sẽ chỉ cho bạn cách dùng R để làm việc với KNN.

Học cách tạo và tùy biến histogram ggplot2 trong R, từ biểu đồ cơ bản đến biểu đồ tô màu, dùng facets và chồng đường mật độ.

Phát triển trình thu thập dữ liệu web với Scrapy, một framework mạnh mẽ để trích xuất, xử lý và lưu trữ dữ liệu web.

Tìm hiểu cách tính và áp dụng Khoảng cách Manhattan kèm ví dụ mã trong Python và R, và khám phá cách sử dụng trong học máy và tìm đường.

Tìm hiểu nền tảng toán học của xác suất sự kiện đơn lẻ, khám phá các ví dụ từ thống kê cổ điển đến kịch bản đời thực, và tìm hiểu ứng dụng trong khoa học dữ liệu và máy học.

Trong hướng dẫn này, bạn sẽ học cách sử dụng và viết với các thẻ đánh dấu khác nhau bằng Jupyter Notebook.

Tìm hiểu về Market Basket Analysis & Thuật toán APRIORI đứng sau nó. Bạn sẽ thấy cách nó giúp nhà bán lẻ thúc đẩy kinh doanh bằng cách dự đoán các mặt hàng khách hàng mua cùng nhau.

Trong hướng dẫn này, bạn sẽ tìm hiểu chuỗi Markov là gì và dùng nó để phân tích dữ liệu tốc độ bán hàng trong R.

Tìm hiểu về Chuỗi Markov, các tính chất, ma trận chuyển tiếp, và tự hiện thực một mô hình bằng Python!

Tìm hiểu cốt lõi của backpropagation trong mạng nơ-ron với hướng dẫn thực hành về huấn luyện và đánh giá mô hình cho bài toán phân loại ảnh.

Khám phá những kiến thức cơ bản về Shiny cho Python để bạn có thể nhanh chóng bắt đầu tạo bảng điều khiển và ứng dụng web tương tác với thư viện mới này!