dc.contributor.author |
Antonik, Maciej |
|
dc.date.accessioned |
2021-08-24T09:59:52Z |
|
dc.date.available |
2021-08-24T09:59:52Z |
|
dc.date.issued |
2021-08-24 |
|
dc.identifier.issn |
2021/I/AB/1 |
|
dc.identifier.uri |
https://repin.pjwstk.edu.pl/xmlui/handle/186319/945 |
|
dc.description.abstract |
W tej pracy opisany został proces analizy danych oraz płynące z niego korzyści. Wszelkie
informacje dotyczące procesu analizy danych zostały odniesione do języka programistycznego
Python i jego bibliotek. Opisane zostały sposoby przechowywania danych, operacje na danych,
przekształcenia danych, eksploracja danych, wizualizacje danych oraz budowanie modeli
predykcyjnych bazujących na sztucznej inteligencji. Wszelkie narzędzia i dostępne
funkcjonalności zostały zaprezentowane na konkretnych zbiorach danych. Praca ma na celu
pokazanie jak odpowiednie techniki analizy danych mogą ułatwić wydobywanie informacji
z danych. |
pl_PL |
dc.language.iso |
other |
pl_PL |
dc.relation.ispartofseries |
;Nr 5942 |
|
dc.subject |
Analiza Danych |
pl_PL |
dc.subject |
Python |
pl_PL |
dc.subject |
Pandas |
pl_PL |
dc.subject |
Scikit-Learn |
pl_PL |
dc.subject |
Matplotlib |
pl_PL |
dc.subject |
Keras |
pl_PL |
dc.subject |
TensorFlow |
pl_PL |
dc.subject |
Uczenie Głębokie |
pl_PL |
dc.subject |
Uczenie Maszynowe |
pl_PL |
dc.title |
Wykorzystanie języka programistycznego Python i bibliotek Pandas, Matplotlib, Scikit-Learn, Keras oraz TensorFlow w analizie danych |
pl_PL |
dc.type |
Thesis |
pl_PL |