Sammanfattning
I den här modulen har du lärt dig hur du använder Python för att utforska, visualisera och manipulera data. Datautforskning är kärnan i datavetenskap och är en viktig del i dataanalys och maskininlärning.
Maskininlärning är en delmängd av datavetenskap som hanterar förutsägande modellering. Maskininlärning använder med andra ord data för att skapa förutsägelsemodeller för att förutsäga okända värden. Du kan använda maskininlärning för att förutsäga hur mycket mat en stormarknad behöver beställa eller identifiera växter i fotografier.
Maskininlärning fungerar genom att identifiera relationer mellan datavärden som beskriver egenskaperna hos något (dess egenskaper, till exempel en växts höjd och färg) och det värde vi vill förutsäga ( etiketten, till exempel växtarten). Dessa relationer är inbyggda i en modell genom en träningsprocess .
Utmaning: Analysera flygdata
Om övningarna i den här modulen har inspirerat dig att prova att utforska data själv, varför inte anta utmaningen med en verklig datauppsättning som innehåller flygposter från US Department of Transportation? Du hittar utmaningen i notebook-filen 01 – Flights Challenge.ipynb !
Kommentar
Tiden för att slutföra den här valfria uppgiften ingår inte i den uppskattade tiden för den här utbildningsmodulen. Du kan spendera så lite eller så mycket tid på det som du vill!