Uru:
- Ikike ịmata ọdịiche dị n'usoro usoro isii nke sayensị data (nkọwa nsogbu, nchịkọta, ihicha, nchọpụta, ịmegharị, nkwukọrịta) na ikike nke ọgụgụ isi na-arụ ọrụ na ọkwa ọ bụla, dị ka ọkwa ọrụ dị ize ndụ si dị.
- Ikike itinye ịdọ aka ná ntị nke na-enyocha mmepụta ọgụgụ isi nke ọ bụla site na ijikọ ya na isi iyi, na-agba ọsọ na atụnyere ya, na ịgafe ya site na nzacha ọkachamara.
- Ikike ịtụgharị mgbanwe na ụkpụrụ nzuzo (ede n'ime koodu, enweghị aha) n'omume nyocha site na ụbọchị mbụ.
Ihe data adịchaghị, adịghị mma, na mgbe mgbe “ịgha ụgha” na-agbadata na tebụl ndị sayensị data kwa ụbọchị. Na tebụl ahịa, edere kọlụm ụbọchị n'ụdị atọ dị iche iche; nọmba ndị ahịa bụ oghere n'ahịrị ụfọdụ; Aha kọlụm bụ "ego", mana ọ nwere ma ụkpụrụ TL na USD. Ọrụ nke sayensị data bụ ime mkpebi a pụrụ ịdabere na ya site na ọgba aghara a: chịkọta data, hichaa ya, nyochaa ya, wuo ihe nlereanya, kwado nsonaazụ ya, ma gbanwee ya ka ọ bụrụ akụkọ. Ọgụgụ isi (AI, ma ọ bụ AI maka mkpụmkpụ-sistemụ kọmputa nke nwere ike ịmepụta ederede na koodu, mata ụkpụrụ, chịkọta, na amụma amụma) nwere ike imetụ njikọ ọ bụla dị na yinye a: ide koodu mkpocha na nkeji, na-atụ aro eserese maka nyocha nyocha, ịkọwa metric nke ihe nlereanya, na-edozi ajụjụ SQL. Mana otu AI ahụ nwekwara ike ịnye gị nrụpụta ntụkwasị obi dịka "mmekọrịta 0.72" maka data ọ hụbeghị.
Nkeji mbụ a abụghị mmalite ọbá akwụkwọ. Ebumnuche ya bụ ịkọwapụta ebe a ga-etinye AI na usoro ọrụ sayensị data yana ebe agaghị etinye ya. Ka anyị wepụta ụkpụrụ bụ isi site na mmalite: AI bụ onye inyeaka, ọ bụghị onye sayensị data. Mkpebi nke data ị ga-anakọta, kedu metric ị ga-ekpebi, ma itinye ihe nlere n'ime mmepụta, yana ebe a ga-ewepụta oke ụkpụrụ dị n'aka ọkachamara tozuru oke. Mpụta AI na-akwadoghị dị ize ndụ, dị ka akụkọ nyocha na-edeghị aha.
Usoro ọrụ sayensị data: maapụ njedebe ruo ọgwụgwụ
Iji ghọta ọrụ data, ọ na-enyere aka igbari ya n'ime usoro isii. Modul a dum na-eso maapụ a.
1. Nkọwa nsogbu: Gịnị ka anyị na-atụ, gịnị mere, iji kwado mkpebi? A naghị enyefe usoro a na AI; Ọ bụ onye na-akọwa ọrụ ahụ.
2. Nchịkọta data: Ịmata isi mmalite, wepụ data, nlele. (Nkeji 2)
3. Nhicha data na nhazi nhazi: uru efu, outlier, ụdị ntụgharị. (Nkeji 3)
4. Nyocha data nyocha (EDA - Nyocha nyocha data nyocha, ọkwa nke ịmata nkesa na mmekọrịta nke data "site n'anya"): (Unit 4)
5. Nkà na ụzụ njirimara na nhazi: ọgbọ na-agbanwe agbanwe, nhọrọ algorithm, ọzụzụ, nyocha. (Nkeji 5, 6, 7)
6. Nkwurịta okwu na mmepụta: Ịhụ anya, akụkọ, MLOps (ịdọ aka ná ntị nke iwere ihe nlereanya ahụ na-ebi ndụ na nlekota ya). (Nkeji 8, 11)
AI na-arụ ọrụ na ikike dị iche iche na nke ọ bụla n'ime usoro isii ndị a. Tebụlụ dị n'okpuru na-achịkọta nkesa ikike a; Nke a bụ otu tebụl kachasị mkpa nke modul.
Ogbo
Ọrụ AI
Ọkwa ihe egwu
Onye kwadoro
Nkọwa nsogbu
onye ọlụlụ na-agbapụta uche
ala
Ọkà mmụta sayensị data + ndị na-akpakọrịta
Dee koodu nchacha
Ihe na-emepụta koodu sketch generator
ọkara
Ọka mmụta sayensị data (koodu na-agụ)
EDA kwuru
ihe atụ aro
ọkara
data ọkà mmụta sayensị
Ọgbọ atụmatụ
Echiche na koodu generator
ọkara-elu
Njikwa mkpofu bụ ihe dị mkpa
Nhọrọ/metric nlereanya
onye ndụmọdụ
elu
data ọkà mmụta sayensị
Mkpebi itinye n'ime mmepụta
ntinye inyeaka
nke ukwuu
Otu + onye nwe azụmahịa
Nkwenye ụkpụrụ omume/nzuzo
ihe na-akpali akpali
nke ukwuu
mmadụ, mgbe niile
Buru n'uche otu ahịrịokwu sitere na chaatị a: ka stek na-arị elu, ọrụ AI na-ebelata na nkwado mmadụ na-eto eto.
Kedu ihe kpatara nkwenye bụ isi azụmahịa a
Ụdị asụsụ AI na-ele anya, mana ha nwere ike ọ gaghị ejide n'aka. N'asụsụ teknuzu, a na-akpọ nke a nhụsianya: ọ bụ ihe nlere anya nke na-emepụta ozi adịghị adị n'ahịrịokwu mara mma dịka ọ bụ eziokwu. Na sayensị data, nke a na-abịa n'ụdị atọ. Nke mbụ bụ nọmba adịgboroja: ọ bụrụ na ị jụọ ihe nlereanya ahụ "gịnị bụ nkezi ọnụọgụ ego" na-enyeghị data ọ bụla, ọ ga-eji obi ike gwa gị nọmba, n'agbanyeghị na ọ hụbeghị data gị. Nke abụọ bụ ọrụ na-adịghị: ihe nlereanya nwere ike na-atụ aro ọrụ na-adịghị adị ma ọlị, dị ka pandas.read_excel_fast (). Nke atọ, nkọwa ndekọ ọnụ ọgụgụ na-ezighi ezi: ihe nlereanya ahụ nwere ike ikwugharị njehie ndekọ ọnụ ọgụgụ kpochapụla nke ọma dị ka “p-uru bụ 0.04, yabụ echiche ahụ bụ 96% ziri ezi”.
Ọzụzụ nkwenye ahụ nwere usoro atọ:
- Njikọ na isi iyi: Nọmba ọ bụla, ọnụego, na omume kwesịrị isi na data gị pụta, ọ bụghị ebe nchekwa AI. Jiri AI maka koodu na-arụ ọrụ na data, ọ bụghị ka ọ cheta data.
- Gbaa ma tulee: Gbaa mpempe koodu ọ bụla nke AI nyere n'onwe gị; Tulee metrik ọ bụla ọ na-emepụta na ntọala ntọala kwụụrụ onwe ya.
- Ọkachamara nzacha: Nyochaa onwe gị ma mmepụta ọ na-emegide ọnụ ọgụgụ na ihe ọmụma ngalaba.
Kpachara anya: Itinye nyocha nke AI dere n'ime ihe ngosi na-agbaghị ọsọ na ịgụ ya dị ka iwepụta akụkọ na-edebanyeghị aha. Naanị n'ihi na koodu na-arụ ọrụ apụtaghị na ọ bụ eziokwu; Koodu na-achịkọta kọlụm na-ezighi ezi na-arụkwa ọrụ na-enweghị njehie.
Mmụgharị: inwe ike iwepụta otu nsonaazụ ugboro abụọ
Ụkpụrụ dị jụụ ma dị oke egwu nke sayensị data bụ reproducibility: mgbe ị na-eme nyocha ọzọ ọnwa isii ka e mesịrị ma ọ bụ na kọmputa dị iche, ị ga-enweta otu nsonaazụ ahụ. Ihe ize ndụ a na-abawanye mgbe ya na AI na-arụ ọrụ, n'ihi na mgbe ị na-agwa AI ka ọ "mepụta eserese a" ma jiri aka kpọọ ya, nzọụkwụ ahụ na-apụ n'anya. Iwu: A ga-edebanye aha usoro ọ bụla na koodu na njikwa ụdị (dị ka Git); N'ime usoro metụtara randomness, a ga-edozi mkpụrụ na-enweghị usoro (uru mbụ nke onye na-emepụta nọmba random; ọ bụrụ na edozi ya, ihe ga-esi na ya pụta ga-emegharị). Anyị ga-eme ka isiokwu a dịkwuo omimi na nkeji 10; Maka ugbu a, banye n'omume a: "Ejila aka, dee na koodu."
Obere ikpe atọ
Ikpe 1 - Nchekwa osooso. Onye na-enyocha e-azụmahịa ga-ejikarị ọkara ụbọchị na-ekpochapụ ahịrị 240 puku ahịrị. O nyere aha kọlụm na ahịrị 5 mbụ (na-enweghị data nkeonwe) na AI ma rịọ maka koodu nhicha pandas. AI mepụtara akwụkwọ na 8 sekọnd; Onye nyocha ahụ gụpụtara ahịrị koodu ahụ n'ahịrị, doziri mperi na nyocha ụbọchị wee mee ya. Ogologo oge: nkeji 35 kama awa anọ. AI nyere koodu, nkwenye nọgidere na mmadụ.
Ikpe 2 - Ọnyà metrik emebere. Otu onye na-arụ ọrụ jụrụ AI, "Kedu ka oke ọhịa enweghị usoro na data a si zie ezi?" na-azụghị ihe nlereanya ma ọlị. "Ihe dịka 89%," AI kwuru. Onye nkuzi tinyere nke a n'ime ihe ngosi; Mgbe a zụrụ ezigbo ihe nlereanya, izi ezi bụ 71%. Mmejọ: Ichere metrik na-enyeghị data na ụdị na AI.
Ikpe 3 - ịgbachi nkịtị. Otu otu mebere echiche AI tụrụ aro nke "tinye ihe agbanwe agbanwe dị ka njirimara" na-ajụghị ya ajụjụ. Ihe nlereanya ahụ mere 98% na nhazi ule mana ọ dara na mmepụta n'ihi na njirimara ahụ na-agbapụta ozi n'ọdịnihu (nha data, nkeji 10). Mmejọ: Anaghị enyocha ndụmọdụ AI na ọnụ ọgụgụ.
Ngwa ngwa adịghị ike / Ike siri ike
Ngwa ngwa adịghị ike:
Nyochaa data ahịa a wee gwa m nkezi ego ha nwetara.
Ihe a na-ekwu adịghị mma: E nyeghị AI data, ya mere "nkezi ego" nwere ike ime naanị. Ma ogidi, ma ọ bụ oge, ma ọ bụ ego doro anya.
Mgbasa ozi siri ike:
Ọrụ gị: onye enyemaka na-enyere onye ọkà mmụta sayensị data aka. Enwere m pandas DataFrame: df. Ogidi: - order_date (ederede, na usoro "2024-03-01") - amount_tl (ndecimal, NaN na ụfọdụ ahịrị) - customer_id (integer) Ọrụ: (1) dee pandas koodu na-agbakọ nkezi ego, (2) kọwaa otú o si eji NaN ụkpụrụ, (3) depụta echiche koodu. Emela ọdịnaya data; naanị mepụta koodu na m ga-agba ọsọ ma nyochaa nsonaazụ ya.
Na arịrịọ a, atụmatụ ahụ, atụmanya na "mmachibido nke imepụta ihe" doro anya. Ị ka na-agba ọsọ ma chọpụta mmepụta n'onwe gị.
Mmalite nke ụkpụrụ omume na nzuzo
Sayensị data na-arụkarị ọrụ na data nkeonwe: ndị ahịa, onye ọrịa, ndekọ ndị ọrụ. KVKK (Iwu nchekwa data nkeonwe) na Türkiye na GDPR na Europe na-echebe data a. Tapawa ezigbo aha gị, ID, email ma ọ bụ adreesị gị n'ime ngwa AI ọha bụ mmebi. Iwu: kpughee data tupu kesaa, nye naanị schema (aha kọlụm, ụdị) na ahịrị ihe atụ dummy ma ọ dị mkpa. Anyị ga-amụba isiokwu nke ụkpụrụ omume na nkeji 11; Ka anyị tinye ụkpụrụ ahụ site na mmalite: Iji ghọta data, ịkekọrịta usoro ya, ọ bụghị ọdịnaya ya, na-ezukarị.
Mmejọ ndị nkịtị
- Na-echere ọnụọgụ / metrik na-enyeghị data na AI. Ụdị enweghị ike ịnweta data; Ọnụọgụgụ ọ na-enye bụ adịgboroja. Na-agbakọ nsonaazụ mgbe niile wee gbaa ọsọ.
- Na-eche na koodu ọrụ ahụ ziri ezi. Koodu nke na-emegharị kọlụm na-ezighi ezi na-agakwa na-enweghị njehie; Atụkwasịla obi n'agụghị mgbagha.
- Tapawa ezigbo data nkeonwe n'ime ngwa oghe. A naghị ekekọrịta aha, nọmba ID, e-mail; Eserese ahụ ezuola.
- Iji aka na-eme usoro ndị a ma ghara ide ha na koodu. Nyocha nke na-enweghị ike imegharị bụ ihe a na-apụghị ịdabere na ya.
- Ịnabata nkọwa AI nke ọnụ ọgụgụ na-enweghị ajụjụ. AI nwere ike ikwugharị mmejọ ochie na echiche dị ka p-uru na mmekọrịta.
NDỤMỌDỤ: Tinye obere "akara iwu" na nke ọ bụla n'ime oge AI gị: "Emela ọdịnaya data; naanị mepụta koodu / nyocha na m ga-agba ọsọ ma nyochaa nsonaazụ ya; gosi 'ejighị n'aka' ebe ị na-ejighị n'aka." Otu ahịrịokwu a na-ebelata nke ukwuu ohere nke ịhụ anya.
Na nchịkọta
AI bụ onye enyemaka siri ike na sayensị data: ọ na-eme ka koodu nhicha dị ngwa, nkọwa EDA, nkwanye ụdị na nleba anya. Mana nkọwa nsogbu, nhọrọ metric, mkpebi mmepụta na oke ụkpụrụ bụ nke mmadụ. Usoro ọrụ ahụ nwere usoro isii, yana ọrụ AI na-adị ntakịrị ka ihe ize ndụ na-abawanye. Àgwà atọ bụ ntọala nke ihe niile: njikọ isi mmalite (ntinye), reproducibility (coding), na amaghị aha (nzuzo). Ozugbo i tinyechara atọ ndị a, ngwá ọrụ ọ bụla dị na modul fọdụrụnụ na-aghọrọ gị ngwa ngwa dị mma.
Ọrụ ngwa
Naanị mee atụmatụ nke obere tebụl ị nwere (ma ọ bụ otu echiche): aha kọlụm, ụdị na ahịrị ihe atụ 2-3 (na-enweghị ezigbo data nkeonwe). Rịọ AI maka nchịkọta stats koodu site na iji ndebiri "Eke siri ike" dị n'elu. Gbaa koodu ahụ, tulee nsonaazụ ya na uru akwụkwọ ntuziaka, lelee echiche efu ọ bụla, wee rịba ama nchọta gị na isi mgbo 5.
ndetu
- [] Ka m nyere AI atụmatụ na ihe nlele adịgboroja kama ịnye ezigbo data nkeonwe?
- [ ] Agụrụ m wee mee koodu ọ mepụtara n'ahịrị n'ahịrị?
- [] Enweela m n'onwe m nkwenye nọmba ọ bụla dị na mmepụta?
- [] Edela m usoro nyocha ọ bụla n'ime koodu ahụ wee mee ka ọ bụrụ nke a na-emegharị ya?
- [] Ekpebiwo m ọkwa dị ize ndụ nke ozi ahụ wee kenye mmadụ mkpebi ikpeazụ?