task00 of datawhale熟悉规则

最新推荐文章于 2024-11-13 12:16:44 发布

步入老年刘

最新推荐文章于 2024-11-13 12:16:44 发布

阅读量79

点赞数

文章标签：数据分析

本文链接：https://blog.csdn.net/m0_52893371/article/details/117886786

版权

本文档概述了一项数据科学学习计划，包括明确学习目标、熟悉打卡规则和学习模式。学习内容涉及数据加载、探索性分析、数据清洗、特征处理、数据重构、可视化和建模等五个任务，覆盖了数据载入与观察、数据清洗、数据建模等三章内容。学习者需要在两天内自学并分享学习成果，通过小组讨论和大群答疑深化理解。

摘要由CSDN通过智能技术生成

作者：leo

摘要：明确学习目的，熟悉打卡规则及学习模式，了解五个任务的内容，了解本学习周期要学习的三章内容

打卡规则和学习模式

1.了解基本库的使用，了解数据分析的流程，掌握数据分析的思想，入门数据建模

2.在两天的时间内，根据datawhale提供的资料自学后，将学习的收获分享在csdn平台，最后在截止时间之前将分享链接复制在组队学习小程序的相应课程的打卡界面即为打卡成功

3.根据datawhale提供的资料自学，小组讨论，大群答疑

五个任务

每个任务两天

task01数据加载及探索性数据分析
task02数据清洗及特征处理
task03数据重构
task04数据可视化
task05数据建模及模型评估

三章内容

数据载入与观察，pandas基础，探索性数据分析
数据清洗及特征处理，数据重构，数据可视化
数据建模，模型评估

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

步入老年刘

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

【NLP之transformer | Datawhale-9月】Task01：熟悉规则，学习概览

alicedog的博客

09-14

423

1 环境配置 1.1 下载项目文件直接点击Download ZIP即可下载全部内容。解压后示意图： 1.2 配置本项目本地运行环境 1.2.1 本地Typora打开项目文件夹使用软件Typora打开Markdown文件，对文件进行预览： 1.2.2 本地环境配置（以Win10为例） 1.打开vscode（已安装汉化包），新建一个Terminal（终端），用于安装一个新的python环境和相应的python依赖包： 2.在Terminal中通过virtualenv软件安装python环境到ven

动手学数据分析 datawhale task1

qq_42882457的博客

12-14

359

参考的是datawhale的《动手学数据分析》链接是自己做完后，对照答案修改的结果心得：这次选动手学习数据分析，主要是跟大家一起学习数据分析的能力，这次笔记很详细，还有配套的视频发布，task1主要是学习了如何去载入数据和对数据进行一系列的基础操作，比如加减、排序、筛选制定行和列，还复习了读取csv文件，保存成csv文件的知识。 1 数据载入及初步观察 1.1 载入数据数据集下载 https://www.kaggle.com/c/titanic/overview 1.1.1 任务一：导入numpy和p

参与评论您还未登录，请先登录后发表或查看评论

DataWhale_python训练营task8

qq_29380039的博客

07-30

613

文章目录一、任务大纲二、模块2.1 什么是模块2.2 命名空间2.3导入模块三、datatime模块一、任务大纲 Task11：模块与datetime模块(2天) 理论部分了解python的模块定义，理解python的命名空间。熟悉python模块的引用方法与搜索路径。了解并应用datetime模块。练习部分课后思考题编程实践二、模块模块是一个包含所有你定义的函数和变量的文件，其后缀名是 .py 。模块可以被别的程序引入（import），以使用该模块中的函数等功能。这也是使用 Py

DataWhale零基础金融风控-task2

xxbbin的博客

09-18

958

Task2 数据分析2.1 学习目标2.2 内容介绍2.3 代码示例2.3.1 导入数据分析及可视化过程需要的库2.3.2 读取文件2.3.3总体了解2.3.4查看数据集中特征缺失值，唯一值等2.3.5 查看特征的数值类型有哪些，对象类型有哪些2.3.6 变量分布可视化2.3.8 用pandas_profiling生成数据报告2.4 总结该篇内容均引用自Datawhale的教程。此部分为零基础入门金融风控的 Task2 数据分析部分，带你来了解数据，熟悉数据，为后续的特征工程做准备，欢迎大家后续多多交流

NLP学习（Datawhale AI夏令营） TASK01#Datawhale示例代码

07-15

NLP学习（Datawhale AI夏令营） TASK01#Datawhale示例代码

【Datawhale第25期组队学习】Task00 熟悉规则

如是我闻__一时__的博客

05-09

133

Task00 熟悉规则作者：张浩堃 1 任务task 修改群昵称，组队熟悉打卡规则 2 时间轴timeline 8号上午11：30报名成功中午12点左右，我们8个小伙伴顺利组建了学习小分队，队长是“Bear Brown????”，我们的队名是：“我们不做调包侠”。晚上9：00我们在助教老师的带领下，参加了“开营仪式”，首先在这之前，我简单的观看了Datawhale异常检测的简介视频，在开营仪式中，组长们率先完成自我介绍，随后各位小船员也是如此.我的自我介绍见下: 【坐标】：郑州–>西安【

Datawhale AI夏令营 AIGC方向 task01方向小白笔记

08-11

Datawhale AI夏令营 AIGC方向 task01方向小白笔记

Datawhale-Task01

ltlf2net的博客

09-15

175

再次从零开始吧一、数据赛题以预测用户贷款是否违约为任务，数据集报名后可见并可下载，该数据来自某信贷平台的贷款记录，总数据量超过120w，包含47列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取80万条作为训练集，20万条作为测试集A，20万条作为测试集B，同时会对employmentTitle、purpose、postCode和title等信息进行脱敏。二、标准提交结果为每个测试样本是1的概率，也就是y为1的概率。评价方法为AUC评估模型效果（越大越好）。三、结果提交前请确保

Datawhale AI夏令营第四期魔搭- AIGC文生图方向 task01笔记

08-09

Datawhale AI夏令营第四期魔搭- AIGC文生图方向 task01笔记

Datawhale-Task02

ltlf2net的博客

09-18

495

Datawhale-Task02 了解数据查看缺失数据类型生成报告

亚马逊评论爬虫+数据分析

bill7777777的博客

11-10

582

这里我所选框架是selenium+request，很多人觉得selenium慢，确实不快，仅针对此项目我做过测试，相对于request要快，要方便一些！这里我用到是tableau-BI工具，要结合业务需求来选择工具，BI更适合公司开发业务，实现企业化！重新建表，把计算逻辑写到函数中，通过比对的方法实现变动。做分析首先得有数据，数据是核心，而且要准确！1、每日星级变动分析：评论数，星级数。每日实时更新有变动的评论数，评级数。获取评论数，评级数, 监控评论。

【人工智能训练师】5 hive数据分析

11-10

318

注意：如果环境进入安全模式，使用hdfs dfsadmin -safemode leave可离开安全模式。基于Hive数据仓库，针对特定问题场景完成数据统计分析。基于Hive数据仓库，针对特定问题场景完成数据统计分析。注意：本模块使用到Hadoop集群。(20 / 100分)

2020年美国总统大选数据分析与模型预测

2302_79553009的博客

11-06

4933

对2020年美国总统大选数据的深入分析，提供各州和县层面的投票情况及选民行为的可视化展示。数据预处理阶段将涉及对异常值的处理，以确保分析的准确性。通过数据清洗、集成、转换将为后续分析整理合理的数据集。在数据分析阶段，本次实训关注候选人在各州的得票情况及各州的政党优势，同时对县级投票支持率和选举结果进行可视化。此外，人口特征分析将帮助我们理解不同性别、年龄及地域对投票的影响。模型建立阶段将应用KNN和朴素贝叶斯算法，对大选结果预测进行建模，以其发现潜在的影响因素并为未来的选举策略提供依据。

数据分析-系统认识数据分析

最新发布

m0_72232218的博客

11-13

170

数据分析的全貌观测实验应用

2024 年（第 7 届）“泰迪杯”数据分析技能赛A 题自动化生产线数据分析 完整代码结果分享

2403_86854718的博客

11-09

3604

一、背景随着信息技术的快速发展，工业自动化领域的智能控制系统日益完善。自动化生产线能够独立完成从物料输送到元件抓取，再到产品安装和质量检验的各个环节，这不仅极大提升了制造效率和产品质量，也有效降低了生产成本。为了使企业的管理层和工程技术人员及时掌握生产线的运行状况和潜在问题,需要对生产线产生的数据进行深入分析，从而提高生产线的生产效率，减少产品的次品率。二、目标(1)数据整理恂岖薪与统计。(2)生产线运行情况的可视化分析。(3)生产线影响因素分析。三、任务。

仪表板展示｜DataEase看中国：历年双十一电商销售数据分析

FIT2CLOUD飞致云的博客

11-07

1092

通过DataEase开源BI工具，制作精美的双十一电商销售数据分析大屏。

数据分析ReAct工作流

代码笔记

11-08

222

让我用一个数据分析项目的例子来展示plan-and-execute框架的应用。这个例子会涉及数据处理、分析和可视化等任务。关键是要根据具体需求调整任务定义和执行逻辑。

数据分析：16s差异分析DESeq2 | Corncob | MaAsLin2 | ALDEx2

专注生信领域

11-10

281

数据分析：16s差异分析DESeq2 | Corncob | MaAsLin2 | ALDEx2

Elasticsearch 实战应用：高效搜索与数据分析

勇敢的人先享受世界

11-10

761

Elasticsearch 是一个基于 Apache Lucene 的开源分布式搜索和分析引擎。它能够提供实时的全文搜索、分布式数据存储和分析功能。全文搜索：可以对大量文本数据进行快速的全文搜索。分布式架构：可以水平扩展，支持大规模数据存储和查询。实时性：支持近实时数据的搜索和分析，查询结果非常迅速。高可扩展性：无论数据量如何增长，Elasticsearch 都能保持高效的查询性能。