Публикации по теме 'data-visualization'
ПОЛУЧЕНИЕ НАБОРА ФИНАНСОВЫХ ДАННЫХ С ИСПОЛЬЗОВАНИЕМ YAHOO FINANCE API В PYTHON
Необходимость получения наборов финансовых данных для моделей машинного обучения и прогнозного анализа невозможно переоценить. В этой публикации объясняется процесс получения наборов финансовых данных об акциях, криптовалютах, товарах, валютах и т. д.
API, используемый для запроса на вытягивание, получен от Yahoo Finance и имеет открытый исходный код без необходимости регистрации.
https://github.com/JECSand/yahoofinancials — это каталог GitHub для документации и использования..
Раскупоривание идей: путешествие по миру вина, основанное на данных
Введение
Вино, напиток, богатый традициями и культурой, на протяжении веков очаровывало как ценителей, так и новичков. Помимо искусства потягивания и наслаждения, мир вина представляет собой сложную картину вкусов, виноградников, регионов и, конечно же, рейтингов. Но что, если мы скажем вам, что вы можете глубже погрузиться в эту энологическую сферу, вооружившись не штопором, а инструментами анализа данных?
В этом сообщении блога мы приглашаем вас отправиться в путешествие,..
Визуализация деревьев | Раздел + Дерево
Этот пост любезно предоставлен компанией Displayr , которая щедро предложила спонсировать серию независимых публикаций об интерактивной визуализации с помощью R и JavaScript. Большое спасибо Displayr за эту возможность.
Прежде чем я начну второй пост в этой серии, я хотел убедиться, что все мои читатели R знают, что диаграммы в этом посте созданы в R с использованием htmltools . Кроме того, каждая диаграмма должна иметь ссылку на воспроизводимый код.
В нашей первой попытке..
Отслеживание разлива нефти
Мой путь от утечки масла к применению искусственного интеллекта для прогнозирования отказов оборудования
I) Мотивация
В процессе поиска работы я обнаружил, что многие компании в моем районе ищут специалистов по данным, обладающих знаниями в области нефти и газа. Мой опыт в основном связан с математикой, поэтому я решил отправиться в приключение по нефтепроводу.
Я заметил одну вещь: нефть и газ - это большая отрасль со старой инфраструктурой. В 2014 году Inside Energy сообщила, что 45%..
Идеальная среда визуализации данных Python для вас!
Выбор наиболее подходящей платформы играет ключевую роль в создании увлекательных и значимых визуальных представлений ваших данных. Имея множество доступных вариантов, крайне важно тщательно рассмотреть различные факторы, прежде чем принимать решение. Цель этой статьи — предоставить вам понятное и понятное руководство, которое поможет вам выбрать правильную среду визуализации данных для вашего проекта.
Учитывайте свой тип данных!
Чтобы встать на правильный путь, важно понимать..
Графики Ridgeline: идеальный способ визуализации распределения данных с помощью Python
Представьте свои данные в виде горного хребта - и по пути обнаруживайте скрытые детали.
Вы не устали рисовать гистограммы или графики плотности для каждого сегмента переменной? Есть более простое решение. Графики Ridgeline - это лучший способ визуализации для этого типа проблем. Да, даже для нескольких переменных одновременно.
Вот что вы сделаете сегодня:
Чтение кажется кошмаром? Есть простое решение:
Приступим к делу. Вот как структурирована статья:
Загрузка и..
Как быстро вы сможете обработать 50 ГБ? — Анализ GDELT с помощью Aero
Работа с большими объемами данных обычно утомительна и требует множества оптимизаций. Сегодня мы покажем, что это не всегда так, и как Aero может помочь вам в достижении целей обработки данных.
Aero — это платформа, созданная для того, чтобы снять с разработчиков ответственность за инфраструктуру, безопасность и оркестрацию и позволить им сосредоточиться на добавлении ценности, будь то личный проект или компания.
В этой серии сообщений в блогах, демонстрирующих Aero, мы создаем..
Новые материалы
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..