🔥"แนะนำ 5 เครื่องมือที่คุณต้องรู้ ! ถ้าอยากจะเริ่มสายดาต้าด้วย Python"🔥
.
ทุกวันนี้ใครๆก็พูดถึง AI, Machine Learning, Data Science ฯลฯ กันเต็มไปหมด 👨💻
.
หลายคนก็น่าจะสนใจเกี่ยวกับเรื่องเหล่านี้อยู่บ้างแต่ก็ไม่รู้ว่าจะเริ่มต้นศึกษาที่ตรงไหน และมีอะไรบ้างที่จำเป็นต้องรู้
.
และนี่คือ 5 เครื่องมือที่คุณต้องรู้ สำหรับงาน Data Science ด้วย Python สำหรับคนที่ยังไม่รู้จะเริ่มยังไงดี
.
⭐ 1.TensorFlow
.
Tensorflow คือ library สำหรับสร้าง machine learning models แบบ open source จาก Google สามารถใช้งานได้ดีกับภาษา Python แต่ก็สามารถใช้ภาษาอื่นๆ เช่น C, Java หรือ Go ได้เช่นกัน
.
และยังมี community ขนาดใหญ่ ทำให้สามารถค้นหาข้อมูล หรือสอบถามเวลาเจอปัญหาได้ง่าย ซึ่ง TensorFlow มีไกด์แนะนำสำหรับ ผู้เริ่มต้น และ ผู้เชี่ยวชาญ ให้สามารถไปศึกษากันได้
.
https://www.tensorflow.org/tutorials/quickstart/beginner
.
⭐ 2.Pytorch
.
Pytorch เป็น opensource อีกหนึ่งตัวสำหรับใช้ทำ machine learning จาก Facebook ที่มีคำอธิบายในหน้าเว็บว่า ‘An open source machine learning framework that accelerates the path from research prototyping to production deployment.’
.
โดยเป็นอีกทางเลือกหนึ่งในการศึกษา machine learning นอกจาก TensorFlow เพราะเทียบกันแล้ว Pytorch ค่อนข้างจะง่ายในการศึกษามากกว่า และยังสามารถเลือกสภาพแวดล้อมในการพัฒนาได้หลากหลายอีกด้วย
.
✅ ถ้าอยากจะรู้ว่าง่ายแค่ไหนก็ลองไปศึกษาที่ Pytorch ได้เลย
.
https://pytorch.org/get-started/locally/
.
⭐ 3.scikit-learn
.
scikit-learn เป็นเครื่องมือในการทำ machine learning อีกหนึ่งตัวที่น่าศึกษาเอาไว้ เนื่องจากความง่ายและมีประสิทธิภาพในการทำ predictive data analysis
.
โดยสร้างขึ้นมาจากโมดูลหลายตัวทั้ง NumPy, SciPy และ matplotlib ส่งผลให้ scikit-learn มีความสามารถที่หลากหลาย นำไปใช้ในงานได้หลายประเภท
.
✅ ลองโหลดมา ติดตั้ง และ ศึกษา กันได้
.
https://scikit-learn.org/stable/install.html#installation-instructions
.
⭐ 4.Pandas
.
สำหรับ Pandas เป็นเครื่องมือในการวิเคราะห์และจัดการข้อมูลที่เร็ว, มีประสิทธิภาพ , มีความยืดหยุ่น
.
และง่ายในการใช้งาน ที่สามารถนำเข้าข้อมูลเช่นไฟล์ CSV, TSV หรือจาก SQL database นำไปสร้างเป็น Python Object ที่มีลักษณะเป็น row และ column ทำให้สามารถใช้งานข้อมูลเหล่านั้นได้ง่าย และนำไปใช้งานต่อได้อย่างหลากหลาย
.
✅ สามารถไปศึกษาได้ ที่นี่
.
https://pandas.pydata.org/docs/getting_started/index.html
.
⭐ 5.Jupyter
.
สำหรับเครื่องมือตัวสุดท้ายนี้ต้องบอกว่าไม่ได้เป็นเครื่องมือสำหรับทำ Data Science หรือ Machine Learning โดยตรง
.
แต่ว่าประโยชน์ของ Jupyter นั้นเหมาะที่จะใช้เป็นเครื่องมือในการทดลองสิ่งใหม่ๆ โดยเครื่องมือนึงจาก Jupyter ที่จะแนะนำก็คือ Jupyter Notebook เนื่องจากความสามารถเขียนโค้ดและรันซ้ำ รันทีละส่วน
.
และแสดงผลลัพธ์ของแต่ละส่วนของโค้ดแยกกันได้อย่างอิสระ ซึ่งทั้งหมดนี้ทำได้ผ่านเว็บเบราเซอร์ และยังสามารถเซฟผลลัพธ์ต่างๆเก็บไว้ได้อีกด้วย
.
✅ เข้าไปทดลองเล่นในเว็บของ Jupyter คลิก
.
https://jupyter.org/try
.
และทั้งหมดนี้ก็เป็น 5 เครื่องมือที่ไม่รู้ไม่ได้ สำหรับใครอยากจะเริ่มต้นสาย Data Science ด้วย Python <3
.
#borntoDev - 🦖 สร้างการเรียนรู้ที่ดีสำหรับสายไอทีในทุกวัน
jupyter notebook docs 在 Help and Documentation in IPython 的推薦與評價
This is an excerpt from the Python Data Science Handbook by Jake VanderPlas; Jupyter notebooks are available on GitHub. The text is released under the CC-BY-NC- ... ... <看更多>