Preparation for Data Science

In this section we will get acquainted with what the NumPy library is, as well as learn how to create an array.

In this section we will get acquainted with arrays of different dimensions, and understand the difference between them.

In this section we should recall what slices are and learn how to make them for arrays of different dimensions. We shall also learn to refer to elements in an array using their indexes.

In this section we will learn how to reshape arrays and also how to concatenate an array. Moreover we will learn how to sort an array. Also we will learn about such an interesting method that is often used for arrays, namely: copy().

In this project, we will delve into the fundamentals of NumPy, exploring its core features and uncovering the reasons behind its significant impact on scientific computing.

Fördjupa dig i grunderna för pandas-biblioteket. Skapa och manipulera Series och DataFrames, utforska deras struktur och stärk din förmåga att utföra grundläggande dataoperationer.

Bemästra hur du läser in och hanterar data från CSV- och TXT-filer. Få praktisk erfarenhet av att importera dataset och förbereda dem för vidare analys med hjälp av pandas-verktyg.

Lär dig att utforska, rensa och sammanfatta data på ett effektivt sätt. Förstå hur man hanterar saknade värden, extraherar insikter och utför grundläggande statistiska operationer med pandas.

Detta avsnitt lär dig hur du kan visa specifika kolumner med hjälp av deras titlar eller index. Du kommer även att bekanta dig med metoder för att välja rader baserat på index.

Här kommer du att lära dig hur du extraherar data som uppfyller specifika villkor. Du kommer även att lära dig hur du kombinerar dessa och till och med skapa egna.

I det här avsnittet kommer du att fördjupa dina kunskaper om att ange olika datavillkor. Du kommer att lära dig att kontrollera om dina data finns i en definierad lista av värden eller mellan två värden. Du kommer även att lära dig hur du hittar de största och minsta värdena.

Detta avsnitt är ett av de mest fascinerande i kursen. Här får du lära dig hur man grupperar data på olika sätt. Det hjälper dig att arbeta som dataanalytiker för att ta fram information om specifika datagrupper.

Detta avsnitt är ett av de mest betydelsefulla för en dataanalytiker eftersom det blir omöjligt att arbeta med data om den innehåller saknade värden eller felaktigt format. Här lär du dig hur du hanterar sådana olämpliga värden.

In this project, we are going to understand what Pandas is and why it is so powerful.

Let's start with some basic definitions and concepts we'll use later. Consider the idea of a function, a numerical sequence, and its sum, and also understand what a coordinate system's basis is.

The simplest and most commonly used type of relationship is the linear relationship. Linear algebra is a branch of higher mathematics entirely devoted to linear functions and linear spaces. Let's look at some of the most important topics in linear algebra: vectors, matrices, solving linear equations, and solving the spectral problem for matrices.

Mathematical analysis is a discipline that allows you to analyze functions according to various criteria. Consider how to check numerical sequences for convergence, find the maximum/minimum values of functions, solve nonlinear equations, and use integrals to solve applied problems.

We will start our way of learning probability theory by considering some basic definitions and rules: what is a stochastic experiment and random event, what is independence and incompatibility of events in the context of probability theory, what is the probability and how can we calculate probabilities of different elementary events.

In real-life tasks, we often have to deal with complex relationships and, as a result, calculate probabilities of several events or events that depend on each other. Let's consider how we can do this using probability theory.

To solve many real problems in probability theory, special models have been created that describe a particular situation. Let's consider some of the most used models that can be used to describe some discrete results of stochastic experiments.

What if the result of a stochastic experiment cannot be described by a discrete value? For this, models that work with continuous values are used. Consider the most popular of these models.

Often we are faced with the task of checking the dependence of the results of different stochastic experiments on each other. Moreover, it is necessary not only to assess the presence of dependencies but also to somehow quantify the degree of dependencies. To solve these problems, we can use covariance and correlation.

Utforska centrala statistiska principer, inklusive datatyper, lägesmått och viktiga skillnader mellan stickprov och populationer.

Lär dig att beräkna och tolka medelvärde, median och typvärde med Python. Öva på dessa operationer med pandas för att analysera verkliga dataset.

Förstå hur varians och standardavvikelse mäter spridningen i data. Lär dig att beräkna båda manuellt och med hjälp av Python-verktyg.

Utforska hur kovarians och korrelation beskriver relationer mellan variabler. Öva på att beräkna och jämföra båda måtten i Python.

Behärska konfidensintervall för att uppskatta populationsparametrar. Använd NumPy, pandas och visualiseringsbibliotek för att beräkna och tolka intervall med verkliga data.

Lär dig grunderna i hypotesprövning och t-test. Förstå hur du utformar, genomför och tolkar tester med Python för att stödja datadrivna beslut.

Now we will understand some fundamental theoretical concepts which are used in solving real live tasks: absolutely continuous and discrete random variables, probability density function, cumulative distribution function, the characteristics of a random variable, etc.

The limit theorems of probability theory are fundamental laws of probability theory that are often used in practice in a wide variety of areas, such as: building confidence intervals, estimating distribution parameters, providing A/B testings, creating ensembles of ML models, etc. Now we will consider two of the most commonly used: the Law of Large Numbers and the Central Limit Theorem.

When we work with real data we usually do not know from which distribution this data was obtained. In order to determine this, we must be able to correctly estimate the parameters of this distribution and the type of distribution, which we will learn to do in this section.

We have already learned how to estimate the parameters of the population. But to estimate the parameter, we make an assumption about the population distribution. Can we say that our assumption is correct? How do we prove that the estimated parameters are the real parameters of the population? Can we show that two sets of samples are independent? To answer these questions, it is necessary to consider the concept of hypothesis testing.