
Tìm hiểu khoa học dữ liệu thông qua thực hành Kaggle
todaycode
Hãy cùng bắt tay vào phân tích dữ liệu và học máy thông qua Kaggle, một nền tảng cạnh tranh về học máy và khoa học dữ liệu.
Cơ bản
Kaggle
Có tin đồn rằng Ediya thường mở cửa hàng gần Starbucks. Liệu vị trí cửa hàng của Ediya và Starbucks thực sự khác biệt như thế nào? Liệu xu hướng biến động giá bất động sản từ năm 2013 đến 2019 có được phản ánh vào giá bán căn hộ hay không? Có những công viên nào ở khu phố của chúng ta? Làm thế nào để tận dụng dữ liệu trên Cổng dữ liệu công cộng một cách hiệu quả? Mục tiêu là làm quen với Python và các thư viện phân tích dữ liệu khác nhau thông qua việc xử lý nhiều dạng dữ liệu công cộng.
6,473 học viên
Độ khó Cơ bản
Thời gian Không giới hạn


Đánh giá từ những học viên đầu tiên
5.0
hsw400
Tôi đang học ở Hoa Kỳ. Nó còn có ích hơn một bài giảng của một giáo sư nổi tiếng ở trường.
5.0
마낙또
Tôi là một sinh viên đang đón nhận thử thách mới khi còn trẻ. Khi còn ở công ty trước, tôi đã thực hiện phân tích dữ liệu tương tự và tôi nghĩ rằng nếu tôi có những công cụ tiện lợi và tốt như vậy thì công ty có thể tăng năng suất lên rất nhiều. Qua bài giảng của người hướng dẫn, tôi có thể biết rằng việc phân tích dữ liệu có thể được thực hiện một cách dễ dàng, rộng rãi và sâu sắc thông qua sổ ghi chép Python. Cảm ơn bạn rất nhiều vì đã cho tôi một góc nhìn mới về cách tiếp cận dữ liệu. Bài giảng rất dễ hiểu và nhiều thông tin nên tôi chắc chắn sẽ giới thiệu nó cho người khác.
5.0
Jang Daehyuk
Tôi nghĩ đây là khóa học tốt nhất về phân tích dữ liệu (tải, tiền xử lý, EDA, trực quan hóa). Khi tôi nghiên cứu các phương pháp phân tích dữ liệu Python và các ví dụ về mã, tôi tự hỏi mình có thể làm gì với nó. Đó là những gì tôi nghĩ. Tôi nghĩ bài giảng này cung cấp câu trả lời và manh mối cho câu hỏi đó. Ngoài ra, có nhiều phương pháp được sử dụng trong các phần rất hữu ích. Ngoài ra, thật tuyệt khi nó đã được đổi mới bằng cách bổ sung các dữ liệu và giải thích gần đây. Kết luận: Nếu bạn muốn gấu trúc, seaborn, matplotlib + @, hãy lắng nghe. Nếu bạn là người mới bắt đầu, bạn sẽ không bao giờ hối tiếc.
Phân tích và trực quan hóa dữ liệu bằng Python
Thực hành sử dụng dữ liệu công cộng
Tiền xử lý dữ liệu và phân tích thống kê
Trực quan hóa bản đồ và xử lý dữ liệu văn bản
Sau một năm vận hành khóa học và thu thập những phản hồi quý báu,
vào năm 2020, <Bắt đầu phân tích dữ liệu Python với dữ liệu công khai> đã hoàn toàn được đổi mới!
• Nội dung đã được bổ sung thêm các loại biểu đồ đa dạng hơn trước (heatmap, histogram, biểu đồ phân phối, biểu đồ phân tán, biểu đồ hồi quy, v.v.) và cách vẽ subplot một cách dễ dàng.
• Hãy sử dụng tệp thực hành (01-apt-price-input.ipynb) có hướng dẫn đơn giản để bạn có thể vừa xem video vừa làm theo mã, cùng với tệp (01-apt-price-output.ipynb) có hiển thị sẵn kết quả.
Khóa học này dành cho ai?
Người mới bắt đầu muốn học Python
Người quan tâm đến phân tích dữ liệu
Nhà nghiên cứu muốn sử dụng dữ liệu công cộng
Sinh viên muốn thực hành bằng cách xử lý dữ liệu thực tế
Cần biết trước khi bắt đầu?
Ngữ pháp Python cơ bản
Xác minh sự nghiệp
20,393
Học viên
916
Đánh giá
1,358
Trả lời
4.8
Xếp hạng
7
Các khóa học
Microsoft MVP (Python Developer Technologies)
“Hy vọng một ngày nào đó tất cả mọi người đều trở nên quen thuộc với dữ liệu” – Microsoftware
Cho thấy khả năng vô hạn trong sự nghiệp của nhà phát triểnㅣ | Wanted
Thiết kế bài giảng và giảng viên khóa học Khoa học dữ liệu tại Boostcourse, Naver Connect Foundation
Đại học Quốc gia Seoul (Trường Đại học Chia sẻ Đổi mới Big Data), Viện Giáo dục Trọn đời Đại học Quốc gia Seoul, Học viện DX Đại học Yonsei, ABC Camp Đại học Hanshin, Cao học Đại học Hanyang, Đại học Quốc gia Chonnam,
Giảng dạy tại nhiều tổ chức giáo dục và doanh nghiệp như Hiệp hội Quản lý Hàn Quốc (KMA), Viện Nghiên cứu Quản lý Toàn cầu IGM, Samsung SDS Multicampus, Like Lion, Fast Campus, Modulabs, Trung tâm Ung thư Quốc gia, v.v.
Phân tích dữ liệu doanh nghiệp thuộc nhiều lĩnh vực khác nhau (dược phẩm, viễn thông, ô tô, thương mại điện tử, giáo dục, cơ quan chính phủ, v.v.)
Hơn 20 năm kinh nghiệm làm việc thực tế với tư cách là nhà phát triển Web Backend và nhà phân tích dữ liệu trong nhiều lĩnh vực khác nhau như trò chơi, quảng cáo và giáo dục.
📚 Sách
Tất cả
84 bài giảng ∙ (14giờ 10phút)
Tài liệu khóa học:
Tất cả
347 đánh giá
4.9
347 đánh giá
Đánh giá 7
∙
Đánh giá trung bình 5.0
5
Xin chào Bài giảng này đã cho tôi một sự giới thiệu sơ bộ về Python? Đây là một bài giảng thực sự tốt đã giúp tôi hiểu. Bài giảng này có thể không bao quát hết 100% nội dung nhưng nó dạy cho mình những kiến thức cơ bản để mình search và tìm được. Cảm ơn bạn rất nhiều. Đó là điều tốt nhất.
Đánh giá 5
∙
Đánh giá trung bình 5.0
Đánh giá 1
∙
Đánh giá trung bình 5.0
5
Tôi là một sinh viên đang đón nhận thử thách mới khi còn trẻ. Khi còn ở công ty trước, tôi đã thực hiện phân tích dữ liệu tương tự và tôi nghĩ rằng nếu tôi có những công cụ tiện lợi và tốt như vậy thì công ty có thể tăng năng suất lên rất nhiều. Qua bài giảng của người hướng dẫn, tôi có thể biết rằng việc phân tích dữ liệu có thể được thực hiện một cách dễ dàng, rộng rãi và sâu sắc thông qua sổ ghi chép Python. Cảm ơn bạn rất nhiều vì đã cho tôi một góc nhìn mới về cách tiếp cận dữ liệu. Bài giảng rất dễ hiểu và nhiều thông tin nên tôi chắc chắn sẽ giới thiệu nó cho người khác.
Đánh giá 8
∙
Đánh giá trung bình 5.0
5
Tôi nghĩ đây là khóa học tốt nhất về phân tích dữ liệu (tải, tiền xử lý, EDA, trực quan hóa). Khi tôi nghiên cứu các phương pháp phân tích dữ liệu Python và các ví dụ về mã, tôi tự hỏi mình có thể làm gì với nó. Đó là những gì tôi nghĩ. Tôi nghĩ bài giảng này cung cấp câu trả lời và manh mối cho câu hỏi đó. Ngoài ra, có nhiều phương pháp được sử dụng trong các phần rất hữu ích. Ngoài ra, thật tuyệt khi nó đã được đổi mới bằng cách bổ sung các dữ liệu và giải thích gần đây. Kết luận: Nếu bạn muốn gấu trúc, seaborn, matplotlib + @, hãy lắng nghe. Nếu bạn là người mới bắt đầu, bạn sẽ không bao giờ hối tiếc.
Cảm ơn bạn đã đánh giá chân thành của bạn! Cảm ơn bạn đã giúp ích rất nhiều trong việc cập nhật tất cả các khóa học đến Chương 5. Đặc biệt, Chương 5 bao gồm phân tích và trực quan hóa như trích xuất tần số thông qua dữ liệu văn bản trong phân tích theo định hướng dữ liệu có cấu trúc hiện có và che giấu thông tin để bảo vệ thông tin cá nhân bằng cách sử dụng biểu thức thông thường thông qua email, số điện thoại và số đăng ký xe. Chúng tôi sẽ tiếp tục cập nhật nội dung dựa trên phản hồi :)
Đánh giá 15
∙
Đánh giá trung bình 4.7
5
Xin chào? Đây là Sebastian Jr. III. Trước đây, tôi đã tìm kiếm nhiều bài giảng khác nhau và tôi nghĩ bài giảng của Jo-Eun Park là bài giảng hay nhất về việc học tiền xử lý và trực quan hóa Python. Cảm ơn bạn rất nhiều vì đã tạo ra một khóa học tuyệt vời! Mong muốn cá nhân của tôi là tạo ra các bài giảng được nhóm theo chủ đề để có thể áp dụng thực hành Kaggle vào thực tế.. Hahaha một lần nữa xin cảm ơn!
Hãy khám phá các khóa học khác của giảng viên!
Khám phá các khóa học khác trong cùng lĩnh vực!