Preparation for Data Science

4.5+

11 reviews

Intermediate

У цьому розділі ми познайомимося з тим, що таке бібліотека NumPy, а також навчимося створювати масив.

У цьому розділі ми познайомимося з масивами різної розмірності і зрозуміємо різницю між ними.

У цьому розділі ми згадаємо, що таке зрізи і навчимося використовувати їх для масивів різної розмірності. Ми також навчимося звертатися до елементів масиву за їхніми індексами.

У цьому розділі ми дізнаємося, як змінювати форму масивів, а також як конкатенувати масив. Крім того, ми навчимося сортувати масив. Також ми дізнаємося про такий цікавий метод, який часто використовується для масивів, а саме: 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.

У цьому розділі ми розглянемо основи серій даних (Series) і фреймів даних (DataFrame). Ви також дізнаєтеся про відмінності між цими двома типами структур.

Дані можна отримати у різних форматах, таких як CSV, JSON, SQL, HTML та інші. З Pandas ви не обмежені одним форматом — ви можете працювати з даними в різних типах файлів. У цьому розділі ми конкретно зосередимося на форматах CSV і TXT.

Тут ви дізнаєтеся, як обробляти сирі дані, видаляючи зайву інформацію та виправляючи нульові значення в наборі даних.

This section will teach you how to output specific columns by their titles or indices. Also, you will get acquainted with the ways you can select rows by indices.

Here, you will learn how to extract data that has specific conditions. Also, you will learn how to combine them and even create your own.

In this section, you will expand your knowledge on setting different data conditions. You will learn to check if your data is in a defined list of values or between two values. You will also learn how to find the largest and smallest values.

This section is one of the most fascinating of the course. Here, you will learn how to group data in different ways. It will help you work as a data analyst to find out information on specific data groups.

This section is one of the most significant for a data analyst because if the data contains missing data values in the incorrect format, it will be impossible to work with. Thus, you will learn how to deal with such inappropriate values here.

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.

Ця секція допоможе нам розібратися з першим реальним статистичним випадком: знаходженням довірчих інтервалів. Це вимагає знання NumPy, pandas, Matplotlib та бібліотеки Seaborn для обчислення математичних формул та побудови візуалізації! Щоб заохотити вас пройти цю секцію, я хочу зазначити, що ви зустрінетеся з невеликою кількістю теорії, але значною кількістю практики!

Невід'ємною частиною життя аналітика даних є перевірка статистичних гіпотез. Після завершення цього розділу ви зрозумієте ідею тестування в статистиці та зможете провести t-тест за допомогою Python.

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.