🖥 Как обнаружить выбросы в проекте по исследованию данных

Что такое выбросы в статистике? Как их обнаружить? Всегда ли их надо исключать из набора данных? Существуют ли критерии исключения выбросов? Предлагаем ответы на все эти вопросы, а в качестве бонуса - примеры кода на Python.

🧠Читать статью

#DataScience | Просто Python

🎥 [ENG] Python for Data Science

Python - язык науки о данных, и в этом часовом видео автор научит вас всему, что вам нужно знать, чтобы полностью овладеть библиотеками Numpy, Pandas и Plotly!

👀Смотреть в YouTube

#DataScience | Просто Python

🖥  В чем преимущество контрактов о передаче данных

Контракты о передаче данных - это возможность избавить дата-саентистов от неприятностей в работе с данными сомнительного качества. Предлагаем познакомиться с конструктивным подходом к таким соглашениям.

🧠Читать статью

#DataScience | Просто Python

🖥  Пакетная обработка 22 ГБ данных о транзакциях с помощью Pandas

Можно ли работать с большими массивами данных при ограниченных вычислительных ресурсах? Можно и очень даже успешно, если использовать пакетную обработку для создания различных агрегаций этих данных.


🧠Читать статью

#Pandas #DataScience | Просто Python

🎓 scikit-learn: для машинного обучения

Обычно моделями машинного обучения занимаются специалисты по Data Science, однако аналитикам тоже иногда приходится иметь с ними дело. Как правило, для их написания и настройки используют scikit-learn. Это одна из основных библиотек Python для Data Science.

Особенности библиотеки scikit-learn:
🔸 В библиотеку встроены все базовые функции для машинного обучения.
🔸 Можно создавать модели для обучения как с учителем, так и без учителя.
🔸 Доступно подключение механизмов оценки созданных моделей.
🔸 Есть интеграция с NumPy, SciPy и другими библиотеками для вычислений.

С помощью scikit-learn можно:
🔸 Создавать машинные модели для классификации, кластеризации, сегментации, визуализации данных и других манипуляций.
🔸 Выбирать модели из нескольких.
🔸 Настраивать параметры и особенности модели.
🔸 Предварительно обрабатывать входные данные для обучения.

#DataScience #Scikit_learn | Просто Python

🖥 10 веских причин изучить Python для занятий наукой о данных

Не знаете, с чего начать погружение в науку о данных? Начните с изучения Python. Это верный способ быстро, легко и увлекательно освоить основы науки о данных.

🧠Читать статью

#DataScience | Просто Python

🎥  [ENG] Pandas и Python для анализа данных на примере – Полный курс для начинающих

Узнайте, как использовать Pandas и Python для анализа данных, очистки данных и их обработки. Вы научитесь создавать реальные проекты в интерактивном режиме, которые помогут вам сделать следующий шаг в вашей карьере в области обработки данных.

👀Смотреть в  YouTube

#Pandas #DataScience | Просто Python

🎓 Python-пакеты для Data Science

Pyright — это невероятно быстрая статическая проверка типов и валидатор кода. Если вы управляете большой кодовой базой в Python, то линтер, такой как Pylint, может быть довольно тяжелым.

Это расширение включает в себя следующие функции:
🔸 Интеллектуальное заполнение ключевых слов, символов и имен импорта.
🔸 Автоматическая вставка инструкций импорта для завершения типов при необходимости.
🔸 Показывать строки документов и информацию о типе при наведении курсора мыши на символы.
🔸 Быстрое нахождение местоположения определения символа, когда вы жмете на символы, наводя курсор мыши.
🔸 Быстрый поиск или переименование всех ссылок на символ в кодовой базе.
🔸 Автоматически переупорядочивайте импорт в вашем коде в соответствии с правилами PEP8.
🔸 Сторонние библиотеки поддерживают генерацию заглушек типов.

#Pyright #DataScience | Просто Python

🎥  [ENG] LangChain - это потрясающее | Краткое руководство по Python

LangChain - отличная библиотека Python для создания приложений, взаимодействующих с API-интерфейсами Large Language Model (LLM). В этом руководстве я покажу вам, как это работает, а также расскажу о его дизайне

👀Смотреть в  YouTube

#LangChain #DataScience | Просто Python