Professional Documents
Culture Documents
Tools For Data Science-Data Science Methodologyvn
Tools For Data Science-Data Science Methodologyvn
Trong mô-đun này, bạn sẽ tìm hiểu về các loại và danh mục công cụ khác nhau mà các nhà khoa học dữ liệu sử
dụng và các ví dụ phổ biến của từng loại. Bạn cũng sẽ làm quen với các tùy chọn Nguồn mở, Dựa trên đám mây và
khiến họ choáng ngợp. Vì vậy, ngôn ngữ nào bạn nên học đầu tiên? Mô-đun này sẽ nâng cao nhận thức về các tiêu
Bạn sẽ tìm hiểu những lợi ích của Python, R, SQL và các ngôn ngữ phổ biến khác như Java, Scala, C++, JavaScript
và Julia. Bạn sẽ khám phá cách bạn có thể sử dụng các ngôn ngữ này trong Khoa học dữ liệu. Bạn cũng sẽ xem một
API liên quan đến yêu cầu và phản hồi REST. Ngoài ra, trong mô-đun này, bạn sẽ khám phá các bộ dữ liệu mở trên
eXchange Nội dung dữ liệu. Cuối cùng, bạn sẽ học cách sử dụng mô hình máy học để giải quyết vấn đề và điều
3. Tập dữ liệu - Cung cấp năng lượng cho Khoa học dữ liệu
và kết quả dữ liệu của họ mà những người khác có thể sử dụng lại. Mô-đun này giới thiệu Jupyter Notebook và
Jupyter Lab. Bạn sẽ học cách làm việc với các nhân khác nhau trong phiên Notebook và về kiến trúc Jupyter cơ
bản. Ngoài ra, bạn sẽ xác định các công cụ trong một
1
Machine Translated by Google
Môi trường Anaconda Jupyter. Cuối cùng, mô-đun cung cấp tổng quan về môi trường Jupyter dựa trên đám mây
và các tính năng khoa học dữ liệu của chúng.
R là một ngôn ngữ lập trình thống kê và là một công cụ mạnh mẽ để xử lý và thao tác dữ liệu. Mô-đun này
sẽ bắt đầu với phần giới thiệu về R và RStudio. Bạn sẽ tìm hiểu về các gói trực quan hóa R khác nhau và
cách tạo biểu đồ trực quan bằng chức năng vẽ đồ thị.
2
Machine Translated by Google
Trong mô-đun này, bạn sẽ tìm hiểu về lý do tại sao chúng ta quan tâm đến khoa học dữ liệu, phương
pháp luận là gì và tại sao các nhà khoa học dữ liệu cần một phương pháp luận. Bạn cũng sẽ tìm hiểu về
phương pháp khoa học dữ liệu và sơ đồ của nó. Bạn sẽ tìm hiểu về hai giai đoạn đầu tiên của phương pháp
khoa học dữ liệu, đó là Hiểu biết về Doanh nghiệp và Phương pháp Phân tích. Cuối cùng, thông qua một
phiên thực hành trong phòng thí nghiệm, bạn cũng sẽ nắm được cách hoàn thành các giai đoạn Hiểu biết về
doanh nghiệp và Phương pháp tiếp cận phân tích cũng như các giai đoạn Yêu cầu dữ liệu và Thu thập dữ
liệu liên quan đến bất kỳ vấn đề khoa học dữ liệu nào.
Trong mô-đun này, bạn sẽ tìm hiểu ý nghĩa của việc hiểu dữ liệu và chuẩn bị hoặc làm sạch dữ
liệu. Bạn cũng sẽ tìm hiểu về mục đích của việc lập mô hình dữ liệu và một số đặc điểm của quy trình lập
mô hình. Cuối cùng, thông qua một phiên thực hành trong phòng thí nghiệm, bạn sẽ học cách hoàn thành các
giai đoạn Hiểu dữ liệu và Chuẩn bị dữ liệu, cũng như các giai đoạn Lập mô hình và Đánh giá mô hình liên
quan đến bất kỳ vấn đề khoa học dữ liệu nào.
1. Hiểu dữ liệu
2. Chuẩn bị dữ liệu - Khái niệm
3. Chuẩn bị dữ liệu - Nghiên cứu tình huống
6. Đánh giá
1. Triển khai
2. Phản hồi