Video description
课程简介
用Python数据科学和R LiveLessons是为了定制的初学者数据科学家寻求使用Python或R数据科学。本课程包括数据准备基础、数据分析、数据可视化、机器学习和交互式数据科学应用。学生们将学习如何建立预测模型，以及如何使用Anaconda平台为他们的业务线创建交互式可视化应用程序。本课程将介绍数据科学家如何使用Python和R来构建一个由数百种高性能开源工具组成的系统。
Get技能
● 使用Anaconda和Jupyter notebooks
● 了解开放数据科学概念、角色和工作流
● 用Pandas整理数据
● 了解Anaconda管理器的企业和协作工作流
● 使用Bokeh创建交互式可视化
● 使用Conda包管理
● 使用R进行数据处理和可视化
● 建立统计和预测模型
● 使用Excel和Python与Anaconda Fusion
● 了解并使用Mosaic处理分布式数据的数据库
● 了解Dask的分布式并行计算
Table of Contents
简介
使用Python和R的数据科学:简介
第1课:面向所有人的开放数据科学
学习目标
1.1使用Anaconda代码仓库进行数据科学工件
1.2使用Anaconda Navigator开发环境打开并运行Jupyter Notebooks
1.3执行基本的Jupyter操作
1.4用Pandas摄取、分析和清理数据
1.5使用Bokeh可视化数据
1.6使用Scikit Learn创建机器学习和预测建模
第2课：开放数据科学的背景概念
学习目标
2.1了解开放数据科学的概念
2.2确定开放数据科学团队中的不同角色
2.3了解开放数据科学工作流程
第3课:使用Pandas进行数据清洗
学习目标
3.1加载、查看和绘制Pandas数据框
3.2修改内容和创建新列
3.3使用boolean masks进行数据选择
3.4从磁盘读取数据
3.5数据分组
3.6连接到数据库
3.7使用时间序列数据
3.8读写Excel文件
3.9将代码发布到Anaconda Cloud
第4课：Anaconda环境管理器概述
学习目标
4.1描述Anaconda发行版本
4.2 熟悉Conda工具的用途
4.3关联Anaconda企业组件
4.4熟悉核心技术组件
4.5描述典型的数据科学工作流
4.6与团队一起在Anaconda企业版中创建项目
第5课：使用Bokeh创建交互式可视化
学习目标
5.1描述Bokeh
5.2用boke .charts绘制Pandas数据分析
5.3用bokeh.plotting管理绘图
5.4使用小部件和绘图链接进行交互性
5.5创建web绘图
5.6使用Bokeh服务器创建数据应用程序
第6课：Conda包管理工具
学习目标
6.1从Navigator安装软件包
6.2从Navigator添加channels
6.3从Navigator中升级、降级和删除包
6.4从Navigator创建一个新环境
6.5选择Conda环境和Jupyter内核
6.6从命令行使用Conda
6.7了解pip和conda之间的区别
6.8保持pip和conda最新
6.9导出、保存和共享Conda环境
6.10在Anaconda Cloud和Conda-Forge上查找包
第七课:R课程中的数据处理和可视化
学习目标
7.1配置一个R分析环境
7.2使用dplyr和tidyr访问和处理数据
7.3使用ggplot创建可视化效果
7.4使用线性模型进行预测分析
7.5使用rBokeh和Shiny创建交互式可视化
7.6用rpy2搭建R和Python之间的桥梁
第8课:构建统计和预测模型
学习目标
8.1使用Scikit-Learn创建一个预测模型
8.2用模型生成预测
8.3评分模型
8.4可视化模型性能
第9课：Anaconda Fusion的Excel和Python
学习目标
9.1了解Fusion解决了哪些问题
9.2安装并启动Fusion
9.3连接电子表格到编码表
第10课：使用Mosaic的数据库和分布式数据
学习目标
10.1了解Mosaic解决的问题
10.2安装并启动Mosaic
10.3使用Mosaic注册数据集和创建数据视图
第11课:Dask的分布式和并行计算
学习目标
11.1描述Dask与Dasks的关系
11.2描述Dask数据框的创建
11.3分析和绘制Dask数据
总结
使用Python和R的数据科学:总结