Hướng dẫn Khoa học Dữ liệu

Tìm hiểu về các thống kê cơ bản cần thiết cho Khoa học Dữ liệu và Machine Learning trong Python.

Hiểu kỹ thuật chi phối nhiều lĩnh vực như toán học và vật lý, và hiểu tầm quan trọng của nó.

Khám phá những ràng buộc ẩn sau mỗi kiểm định thống kê và học cách diễn giải kết quả với sự tự tin thực sự.

Khám phá vai trò của định thức trong các phép toán ma trận, hình học và phương pháp tính toán, kèm các bước tính trong Python và R.

Khám phá những điều cốt yếu của tìm kiếm theo chiều sâu để điều hướng đồ thị và cây. Triển khai DFS trong Python bằng đệ quy và lặp, và xem DFS so với tìm kiếm theo bề rộng và thuật toán Dijkstra như thế nào.

Trong hướng dẫn này, bạn sẽ học cách khám phá các chủ đề ẩn trong tài liệu cho trước bằng Phân tích ngữ nghĩa tiềm ẩn trong Python.

Tìm hiểu vì sao cần ghi chép mã và các thực tiễn tốt nhất để thực hiện. Đồng thời, học cách tận dụng mô-đun Pydoc cho mục đích ghi chép.

Sau khi đọc hướng dẫn này, bạn sẽ biết cách nhúng các script R & Python vào câu lệnh T-SQL và biết các kiểu dữ liệu được dùng để truyền dữ liệu giữa SQL & Python/R.

Hiểu khi nào và cách chéo hóa ma trận, cùng lý do tại sao điều này quan trọng với khoa học dữ liệu và đại số tuyến tính tính toán.

Tăng cường kết quả học máy và khám phá ensemble trong R với gói SuperLearner: tìm hiểu thuật toán Random Forest, bagging, và nhiều hơn nữa!

Khám phá những điều cơ bản về phân rã trị riêng và các ứng dụng của nó trong khoa học dữ liệu và học máy.

Vector riêng và giá trị riêng rất quan trọng để hiểu các phép biến đổi tuyến tính. Bài viết này trình bày diễn giải hình học, cách tính toán và vai trò của chúng trong học máy.