Hướng dẫn Khoa học Dữ liệu

Tìm hiểu cách tách dữ liệu chuỗi thời gian thành các thành phần có ý nghĩa như xu hướng, mùa vụ và phần dư bằng mô hình cộng và nhân. Tìm hiểu cả phương pháp cổ điển và STL. Khám phá điều chỉnh mùa vụ và thực hành dự báo với các mô hình phân rã.

Học Phân tích chuỗi thời gian với R cùng với cách dùng một gói trong R để dự báo, nhằm khớp chuỗi thời gian thực với mô hình tối ưu.

Danh sách 5 biểu đồ phổ biến nhất trong cộng đồng người dùng và người đam mê R.

Bất đẳng thức tam giác không chỉ là một nguyên lý hình học - đó là nền tảng của các thước đo khoảng cách trong khoa học dữ liệu. Khám phá cách khái niệm toán học tao nhã này vận hành các thuật toán trong hình học tính toán, tối ưu hóa và máy học.

Thống kê t giúp bạn quyết định liệu một khác biệt trong dữ liệu là có ý nghĩa hay chỉ là biến thiên ngẫu nhiên. Hướng dẫn này giải thích cách hoạt động, cách tính và cách dùng trong các tình huống kiểm định thực tế với ví dụ từng bước rõ ràng.

Tìm hiểu về hệ sinh thái Hadoop, các kiến trúc và cách bắt đầu với Cloudera.

Làm sạch dữ liệu là một khối xây dựng rất cơ bản của khoa học dữ liệu. Tìm hiểu tầm quan trọng của làm sạch dữ liệu và cách dùng Python để thực hiện quy trình.

Hướng dẫn ngắn giúp bạn làm quen với Google Colab để viết mã khoa học dữ liệu và cộng tác với các nhà khoa học dữ liệu khác.

Tìm hiểu các cách đơn giản và hiệu quả để chạy truy vấn SQL trong Python và R cho phân tích dữ liệu và quản trị cơ sở dữ liệu.

Tìm hiểu về các tập dữ liệu và notebook trên Kaggle, đồng thời bắt đầu xây dựng hồ sơ Kaggle của bạn.

Tìm hiểu MLOps cơ bản và quy trình phát triển, triển khai đầu-cuối cho pipeline ML.

Cẩm nang toàn diện để làm chủ PyCharm dành cho nhà khoa học dữ liệu