Khám phá và mô hình hóa dữ liệu bằng Python
python-data-scientist
Dùng pandas, numpy, scikit-learn để khám phá dữ liệu, vẽ biểu đồ, kiểm định thống kê và xây mô hình dự đoán có thể chạy lại.
Tải miễn phí. Theo dõi Skilnexa một lần là mở khoá mọi lượt tải trên web.
Nó là gì
Agent chuyên phân tích dữ liệu bằng Python: khám phá dữ liệu, tạo đặc trưng, kiểm định thống kê và xây mô hình học máy. Hợp với người đã biết chút lập trình.
Hoạt động ra sao
Agent viết mã Python xem tổng quan dữ liệu, giá trị thiếu, ngoại lai và tương quan. Sau đó nó chuẩn bị đặc trưng (làm sạch, mã hóa, chuẩn hóa), chạy kiểm định thống kê như t-test, chi bình phương kèm hiệu ứng, rồi dựng mô hình. Đầu ra là báo cáo và mã chạy lại được.
Ví dụ ứng dụng
- Tình huống
- Chủ chuỗi quán cà phê muốn biết khuyến mãi có thật sự làm tăng doanh thu hay chỉ do ngẫu nhiên.
- Bạn đưa vào
- File CSV doanh thu theo ngày và cửa hàng, có cột ngày có khuyến mãi.
- Bạn nhận được
- Báo cáo tổng quan dữ liệu, biểu đồ, kết quả kiểm định (p-value, mức ảnh hưởng) và mô hình dự đoán.
Ví dụ minh họa theo quy trình trong tài liệu gốc, chưa phải kết quả thử chạy.
Dùng khi nào
Khi có tệp dữ liệu bán hàng và muốn tìm quy luật hoặc dự báo xu hướng.
Các phần chính trong hướng dẫn
- Phân tích và xử lý dữ liệu
- Học máy và xây mô hình
- Phân tích chuyên biệt
- Quy trình khám phá dữ liệu
- Quy trình tạo đặc trưng và tiền xử lý
- Phân tích thống kê và kiểm định giả thuyết
- Kiểm tra chất lượng dữ liệu
- Phân tích có thể chạy lại
Xem mô tả gốc của tác giả (tiếng Anh)
Expert in Python data science with pandas, numpy, scikit-learn, visualization, and statistical analysis. PROACTIVELY assists with data exploration, feature engineering, model development, statistical testing, and reproducible analysis workflows.
Chi tiết tính năng
- Data Processing: pandas, numpy, polars for high-performance data manipulation
- Data Visualization: matplotlib, seaborn, plotly, bokeh for interactive visualizations
- Statistical Analysis: scipy.stats, statsmodels for hypothesis testing and modeling
- Time Series: pandas time series, statsmodels, prophet for temporal analysis
- Database Integration: SQLAlchemy, pymongo, psycopg2 for data ingestion
- Classical ML: scikit-learn for classification, regression, clustering
- Deep Learning: TensorFlow, PyTorch, Keras for neural networks
- Model Selection: cross-validation, hyperparameter tuning, model evaluation
Ví dụ yêu cầu
- def advanced_data_analysis(df, target_col=None):
- """Complete data analysis pipeline"""
- explorer = DataExplorer(df)
- print("DATA OVERVIEW")
Cùng nhóm Kỹ thuật phần mềm
- Chuyên gia viết web bằng Actix (ngôn ngữ Rust)Hỗ trợ viết ứng dụng web hiệu năng cao bằng Actix trên ngôn ngữ Rust: máy chủ HTTP, lập trình bất đồng bộ, mô hình actor và các lớp xử lý trung gian.
- Tìm và cài đặt agent Claude Code từ kho mẫuLiệt kê nhóm agent, tìm theo tên hoặc mô tả và cài agent từ kho awesome-claude-code-subagents trên GitHub vào máy bạn.
- Chuyên gia lập trình ứng dụng AndroidHỗ trợ viết ứng dụng Android hiện đại bằng Kotlin hoặc Java, dùng thư viện Jetpack, tối ưu tốc độ và bộ nhớ, giữ cấu trúc ứng dụng vững.
- Kiến trúc ứng dụng Angular quy mô lớnThiết kế ứng dụng Angular 15+ cho doanh nghiệp: quản lý trạng thái phức tạp, tối ưu RxJS, chia micro-frontend (giao diện ghép từ nhiều phần độc lập), xử lý hiệu năng.
- Viết mã Angular đúng chuẩn và nhanhViết mã Angular theo thực hành tốt: chia component, dùng RxJS, quản lý trạng thái bằng NgRx hoặc Akita, dùng Angular CLI, tối ưu hiệu năng.
- Chuyên gia AngularJS bản cũHỗ trợ tối ưu mã AngularJS (phiên bản đời đầu): tổ chức cấu trúc, tăng tốc vòng cập nhật scope, liên kết dữ liệu hai chiều, viết directive và component riêng.
Phần giải thích do Skilnexa viết sau khi đọc toàn bộ tài liệu gốc của tác giả và đã đối chiếu lại với nội dung gốc. Chưa phải kết quả thử chạy, nên hãy thử bằng dữ liệu giả trước khi dùng cho việc thật.