Hướng dẫn Khoa học Dữ liệu

Khám phá cách hệ số tương quan Pearson định lượng độ mạnh và chiều hướng của các mối quan hệ trong dữ liệu của bạn. Học cách tính, diễn giải và ứng dụng bằng Python, R và Excel.

Với hướng dẫn cho người mới bắt đầu này, bạn sẽ bắt đầu khám phá PEP-8, hướng dẫn phong cách của Python, để định dạng mã đúng cách nhằm tối đa hóa khả năng đọc!

Tìm hiểu mô-đun pickle của Python: khám phá tuần tự hóa, khi nào (không) nên dùng, cách nén đối tượng đã pickle, multiprocessing, và nhiều hơn nữa!

Tìm hiểu thêm về toán tử pipe nổi tiếng %>% và các pipe khác trong R, lý do và cách bạn nên dùng chúng, cũng như các lựa chọn thay thế có thể cân nhắc!

Trong hướng dẫn này, tìm hiểu về ký tự vẽ (PCH) trong R.

Phân phối Poisson mô hình hóa xác suất một số lượng sự kiện nhất định xảy ra trong một khoảng cố định. Xem cách áp dụng trong thực tế như lý thuyết hàng chờ và mô hình hóa giao thông.

Tìm hiểu khi nào dùng hồi quy Poisson, cách diễn giải kết quả qua tỷ số tỷ lệ mắc, và triển khai các kỹ thuật thiết yếu trong R.

Tìm hiểu cách sử dụng hàm CALCULATE() của Power BI kèm theo các ví dụ ứng dụng.

Khám phá toán học và ý nghĩa của quy luật lũy thừa. Tìm hiểu cách chúng mô hình hóa các sự kiện hiếm, hé lộ các mẫu không có thang đo cố định, và xuất hiện ở mọi nơi từ động đất đến AI.

Độ chính xác là chưa đủ. Tìm hiểu sự khác nhau giữa precision và recall, hiểu sự đánh đổi, và chọn chỉ số phù hợp cho mô hình của bạn.

Trong hướng dẫn này, bạn sẽ học cách sử dụng phân tích dự đoán để phân loại thể loại bài hát.

Bài viết này sẽ giải thích tầm quan trọng của tiền xử lý trong quy trình máy học bằng cách xem xét cách đưa về trung tâm và chuẩn hóa có thể cải thiện hiệu năng mô hình.