Big Data Analysis with Python
uCertify BIG-DATA-PYTHON.AJ1
Big Data Analysis with Python
आईएसबीएन: 978-1-64459-315-8uCertify BIG-DATA-PYTHON.AJ1
Big Data Analysis with Python
(BIG-DATA-PYTHON.AJ1) / आईएसबीएन : 978-1-64459-315-8
इस पाठ्यक्रम में शामिल हैं
Lessons
TestPrep
Hands-On Labs
AI Tutor (ऐड ऑन)
237
समीक्षा
इस कोर्स के बारे में
व्यापक पाठ्यक्रम और प्रयोगशाला के साथ पायथन के साथ बड़े डेटा विश्लेषण का व्यावहारिक अनुभव प्राप्त करें। प्रयोगशाला पायथन के उपयोग से डेटा का विश्लेषण करने में व्यावहारिक शिक्षा प्रदान करती है, जो मूल बातों से शुरू होकर विभिन्न प्रकार के डेटा में महारत हासिल करती है। पाठ्यक्रम और प्रयोगशाला पायथन डेटा विज्ञान स्टैक, सांख्यिकीय विज़ुअलाइज़ेशन, बड़े डेटा फ़्रेमवर्क के साथ काम करना, गुम मूल्यों और सहसंबंध विश्लेषण को संभालना, खोजपूर्ण डेटा विश्लेषण, बड़े डेटा विश्लेषण में पुनरुत्पादकता और कई अन्य चीजों से संबंधित है।
कौशल जो आपको प्राप्त होंगे
आपको जिस सहायता की आवश्यकता है उसे प्राप्त करें। हमारे प्रशिक्षक-नेतृत्व वाले पाठ्यक्रम में नामांकन करें।
पाठ
9+ पाठ | 20+ अभ्यास | 50+ प्रश्नोत्तरी | 65+ फ़्लैशकार्ड | 65+ पारिभाषिक शब्दावली
टेस्टप्रेप
30+ पूर्व मूल्यांकन प्रश्न | 30+ मूल्यांकन के बाद के प्रश्न |
व्यावहारिक प्रयोगशालाएँ
48+ लाइवलैब | 12+ वीडियो शिक्षण | 20+ Minutes
1
Preface
- About
2
The Python Data Science Stack
- Introduction
- Python Libraries and Packages
- Using Pandas
- Data Type Conversion
- Aggregation and Grouping
- Exporting Data from Pandas
- Visualization with Pandas
- Summary
3
Statistical Visualizations
- Introduction
- Types of Graphs and When to Use Them
- Components of a Graph
- Seaborn
- Which Tool Should Be Used?
- Types of Graphs
- Pandas DataFrames and Grouped Data
- Changing Plot Design: Modifying Graph Components
- Exporting Graphs
- Summary
4
Working with Big Data Frameworks
- Introduction
- Hadoop
- Spark
- Writing Parquet Files
- Handling Unstructured Data
- Summary
5
Diving Deeper with Spark
- Introduction
- Getting Started with Spark DataFrames
- Writing Output from Spark DataFrames
- Exploring Spark DataFrames
- Data Manipulation with Spark DataFrames
- Graphs in Spark
- Summary
6
Handling Missing Values and Correlation Analysis
- Introduction
- Setting up the Jupyter Notebook
- Missing Values
- Handling Missing Values in Spark DataFrames
- Correlation
- Summary
7
Exploratory Data Analysis
- Introduction
- Defining a Business Problem
- Translating a Business Problem into Measurable Metrics and Exploratory Data Analysis (EDA)
- Structured Approach to the Data Science Project Life Cycle
- Summary
8
Reproducibility in Big Data Analysis
- Introduction
- Reproducibility with Jupyter Notebooks
- Gathering Data in a Reproducible Way
- Code Practices and Standards
- Avoiding Repetition
- Summary
9
Creating a Full Analysis Report
- Introduction
- Reading Data in Spark from Different Data Sources
- SQL Operations on a Spark DataFrame
- Generating Statistical Measurements
- Summary
1
The Python Data Science Stack
- Interacting with the Python Shell
- Calculating the Square
- Grouping a DataFrame
- Applying a Function to a Column
- Subsetting a DataFrame
- Slicing and Subsetting
- Reading Data from a CSV File
- Viewing the Standard Deviation
- Calculating the Median Value
- Calculating the Mean Value
2
Statistical Visualizations
- Plotting an Analytical Graph
- Creating a Graph
- Creating a Graph for a Mathematical Function
- Creating a Line Graph Using Seaborn
- Creating a Line Graph Using pandas
- Creating a Line Graph Using matplotlib
- Detecting Outliers
- Displaying Histograms
- Using a Box Plot
- Constructing a Scatterplot
- Plotting a Line Graph with Styles and Color
- Configuring a Title and Labels for Axis Objects
- Designing a Complete Plot
- Exporting a Graph to a File on a Disk
3
Working with Big Data Frameworks
- Performing DataFrame Operations in Spark
- Accessing Data with Spark
- Parsing Text in Spark
4
Diving Deeper with Spark
- Creating a DataFrame Using a CSV File
- Creating a DataFrame from an Existing RDD
- Specifying the Schema of a DataFrame
- Removing a Column from a DataFrame
- Renaming a Column in a DataFrame
- Adding a Column to a DataFrame
- Creating a KDE Plot
- Creating a Linear Model Plot
- Creating a Bar Chart
5
Handling Missing Values and Correlation Analysis
- Filtering Data
- Counting Missing Values
- Handling NaN Values
- Using the Backward and Forward Filling Methods
- Calculating Correlation Coefficient
6
Exploratory Data Analysis
- Generating the Feature Importance of the Target Variable
- Identifying the Target Variable
- Plotting a Heatmap
- Generating a Normal Distribution Plot
7
Reproducibility in Big Data Analysis
- Performing Data Reproducibility
- Preprocessing Missing Values with High Reproducibility
- Normalizating the Data
कोई प्रश्न? FAQ देखें
क्या आपके पास अभी भी अनुत्तरित प्रश्न हैं और आपको संपर्क करने की आवश्यकता है?
हमसे अभी संपर्क करेंInstalled Python and Jupyter Notebook