Data Science | Data Science - Part 2

Два
Раз

Главная / Data Science

Модули Python для Data Science

21.11.2016

Коллекция модулей языка Python для data science и аналитики. 1. Pandas Pandas is a library written for the Python programming language for data manipulation and analysis. In particular, it offers data structures and operations for manipulating numerical tables and time series. Pandas is free software released under the three-clause BSD...
Подробнее...
Применение статистического моделирования: 24 метода

15.11.2016

1. Spatial Models Spatial dependency is the co-variation of properties within geographic space: characteristics at proximal locations appear to be correlated, either positively or negatively. Spatial dependency leads to the spatial auto-correlation problem in statistics since, like temporal auto-correlation, this violates standard statistical techniques that assume independence among observations 2....
Подробнее...
Топ-45 методов data science

30.10.2016

Основные методы data science: Linear Regression Logistic Regression Jackknife Regression Density Estimation Confidence Interval Test of Hypotheses Pattern Recognition Clustering — (Unsupervised Learning) Supervised Learning Time Series Decision Trees Random Numbers Monte-Carlo Simulation Bayesian Statistics Naive Bayes Principal Component Analysis — (PCA) Ensembles Neural Networks Support Vector Machine — (SVM)...
Подробнее...
Представление данных, хранение и подготовка к анализу

27.10.2016

В данном обзоре мы рассмотрим вопросы предобработки данных (в том числе их очистку), их представление, хранение. Поговорим про форматы данных, типы данных, базы данных и открытые данные. Предобработка данных Зачем данные нуждаются в предобработке? Чистые данные существуют только в учебниках и поэтому перед анализом их необходимо «очистить». Причины «грязноты» данных:
Подробнее...
Принцип Бонферрони

07.10.2016

Пусть имеются какие-то данные, и мы ищем в них события определенного вида. Можно ожидать, что такие событие встретятся, даже если данные выбраны абсолютно случайно, а количество событий будет расти вместе с объемом данных. Эти события «фиктивные» в том смысле, что у них нет никакой причины, помимо случайности данных, а в...
Подробнее...
Заметки по data science-1

01.10.2016

Заметки по data science. Краткое введение в науку о данных. В частности, рассмотрим ряд определений data science, составные части (наука и данные), выясним, есть ли наука в “науке о данных”, рассмотрим особенности датификации, пирамиду знаний, разберём этапы анализа данных, особенности дата майнинга, проблемы сбора и анализа данных, дата-аналитическое мышление и...
Подробнее...
Обзор книги Data Science for Business

27.09.2016

Data science (наука о данных) имеет привлекательное и эффективное приложение в бизнесе. Данных с каждым годом генерируется всё больше и больше, их нужно анализировать, чтобы получить новые инсайты, используя их для повышения эффективности бизнеса. Хорошим примером базового использования data science в бизнесе является книга Data Science for Business авторов Foster...
Подробнее...
Обзор книги «Doing Data Science»

14.08.2016

По мнению некоторых экспертов, книга Doing Data Science (авторы: Rachel Schutt and Cathy O’Neil) является одной из базовых по data science, поэтому мы решили рассмотреть её структуру и содержание, понять о чём она и стоит ли её читать. С самого начала авторы делятся своим опытом преподавания data science в Колумбийском...
Подробнее...
Life Cycle of Data Science Projects

16.07.2016

1. Identify the problem Identify metrics used to measure success over baseline (doing nothing) Identify type of problem: prototyping, proof of concept, root cause analysis, predictive analytics, prescriptive analytics, machine-to-machine implementation Identify key people within your organization and outside Get specifications, requirements, priorities, budgets How accurate the solution needs to...
Подробнее...
Data Science инструменты для тех, кто не умеет кодить

15.07.2016

Вообще-то кодинг является важной частью data science, но всё-таки без этого можно обойтись, используя соответствующие вспомогательные инструменты (но лучше уметь кодить). Итак, вот список таких инструментов: 1. RapidMiner RapidMiner (RM) was originally started in 2006 as an open-source stand-alone software named Rapid-I. Over the years, they have given it the name of RapidMiner and...
Подробнее...