Souhrn
V tomto modulu jste zjistili, jak pomocí Pythonu zkoumat, vizualizovat a manipulovat s daty. Zkoumání dat je základem datových věd a je klíčovým prvkem analýzy dat a strojového učení.
Strojové učení je podmnožina datových věd, která se zabývá prediktivním modelováním. Jinými slovy strojové učení používá data k vytváření prediktivních modelů, aby bylo možné předpovědět neznámé hodnoty. Pomocí strojového učení můžete předpovědět, kolik potravin potřebuje supermarket objednat nebo identifikovat rostliny na fotografiích.
Strojové učení funguje tak, že identifikuje vztahy mezi hodnotami dat, které popisují charakteristiky něčeho (jeho vlastnosti, například výšku a barvu rostliny) a hodnotu, kterou chceme předpovědět ( popisek, například druh rostliny). Tyto relace jsou integrované do modelu prostřednictvím trénovacího procesu.
Výzva: Analýza testovacích dat
Pokud vás cvičení v tomto modulu inspirovala k tomu, abyste se pokusili prozkoumat data sami, proč se nezabývat výzvou skutečné datové sady obsahující záznamy letů z amerického ministerstva dopravy? Výzvu najdete v poznámkovém bloku 01 - Flights Challenge.ipynb !
Poznámka:
Doba dokončení této volitelné výzvy není zahrnuta do odhadovaného času pro tento trénovací modul. Můžete strávit tak málo času nebo tolik času na to, jak chcete!