यह लेख आईबीएम डेटा साइंस प्रोफेशनल सर्टिफिकेट सर्टिफिकेशन का अवलोकन है ।

पायथन में एक नौसिखिया के रूप में, मुझे कार्यों के कार्यान्वयन से निपटना था:

• लोड हो रहा है और HTML टेबल पार्स
• अपलोड किए गए डेटा की सफाई
• ऑब्जेक्ट के पते पर भौगोलिक निर्देशांक खोजें
• डाउनलोड करें और GEOJSON को प्रोसेस करें
• इंटरेक्टिव हीट मैप्स का निर्माण (हीट मैप)
• इंटरएक्टिव पृष्ठभूमि कार्टोग्राम (कोरोपलेथ मानचित्र) का निर्माण
• एक गोलाकार WGS84 और एक कार्टेशियन समन्वय प्रणाली UTM के बीच भौगोलिक निर्देशांक का परिवर्तन
• हलकों के हेक्सागोनल ग्रिड के रूप में स्थानिक भौगोलिक वस्तुओं का प्रतिनिधित्व
• एक बिंदु से विशिष्ट दूरी पर स्थित भौगोलिक विशेषताओं की खोज करें
• भौगोलिक सतह जटिल सतह बहुभुज के लिए Georeferencing
• वर्णनात्मक सांख्यिकीय विश्लेषण
• श्रेणीबद्ध चर का विश्लेषण और परिणामों का दृश्य
• सहसंबंध विश्लेषण और परिणामों का दृश्य
• के-मीन क्लस्टरिंग और कोहनी विधि का उपयोग कर विभाजन
• गुच्छों का विश्लेषण और दृश्य

प्रमाणन के दौरान, 9 पाठ्यक्रमों की आवश्यकता थी:

• डाटा साइंस क्या है
• डेटा साइंस के लिए ओपन सोर्स टूल
• डेटा विज्ञान पद्धति
• डेटा साइंस और एआई के लिए पायथन
• डाटा साइंस के लिए डेटाबेस और एसक्यूएल
• पायथन के साथ डेटा विश्लेषण
• पायथन के साथ डेटा विज़ुअलाइज़ेशन
• Machine Learning with Python
• Applied Data Science Capstone

3 .
«Python for Data Science and AI» «Databases and SQL for Data Science» , .

«Data Analysis with Python», «Data Visualization with Python», «Machine Learning with Python» . Python.

Applied Data Science Capstone – , Python, .

Applied Data Science Capstone.

— Github.
— 700 .

.

Python

• 1. Introduction
  
  • 1.1 Background
  • 1.2 Business Problem
• 2. Data acquisition and cleaning
  
  • 2.2. Data requirements
  • 2.3. Describe data sources
  • 2.4. Describe data cleansing
• 3. Methodology
  
  • 3.1. Exploratory Data Analysis
  • 3.2. Clustering
• 4. Result
• 5. Discussion

1. Introduction

1.1 Background

— 12 . 2561.5 ², 4924.96 /² 1.

12 (125 , 2 , 19 ) 30429 /² "", 560 /² "" 2.

68,768 /² "" 438,568 /² "" 3.

1.2 Business Problem

, , , . () .

, , , .

, , , .

:

• ()

2. Data acquisition and cleaning

2.2. Data requirements

, :

1. , :

   
   
   • ,
   • ²,
   
   

2. 
   

3. GEOJSON

   
   

4. ( , , ...),

   
   

2.3. Describe data sources

HTML .

• ²,

Nominatim. , , , .

GEOJSON

( , ..) Foursquare API. , . 100 1000 . :

• , 100 .
• , Foursquare API .
• , Foursquare API ( )
• .

2.4. Describe data cleansing

HTML , . :

• ' \n\t', ' ', ''
• "" ""
• float int

146 :

• Borough_Name — —
• District_Name — ,
• Borough_Type —
• OKATO_Borough_Code — OKATO
• OKTMO_District_Code — OKTMO
• Borough_Area —
• Borough_Population —
• Borough_Population_Density —
• Borough_Housing_Area — .
• Borough_Housing_Area_Per_Person —
• Borough_Housing_Price —

.

Nominatim, , ( 10 ) .

. , Foursquare API.

, ( , , ...), , . 28 000 .

. Foursquare API.

Forsquare API, 34460 ( , , ...) 7899 .

(350 ) , (300 ), .

27622 28 000 .

, , . GEOJSON .
, , .

, .

20864 ( , , ...), 120 . .
.

" " " ".

3. Methodology

:

• /

:

• , ,
• K-Mean

, . .

3.1. Exploratory Data Analysis

:

• District_Name — ,
• Borough_Area —
• Borough_Population —
• Borough_Population_Density —
• Borough_Housing_Area — .
• Borough_Housing_Price —

.

, 12 194 253 943 .
109 421 /² 438 568 /².

District_Name Borough_Population. , District_Name , , «», «», «» «».

District_Name Borough_Housing_Price. , , District_Name .

.
.

. (p-value):

• p-value < 0.001: ,
• p-value is < 0.05: ,
• p-value is < 0.1: ,
• p-value is > 0.1: ,

• Borough_Area, Borough_Population_Density Borough_Population ,
• Borough_Housing_Area Borough_Population ,
• Borough_Area, Borough_Population_Density, Borough_Housing_Area Borough_Housing_Price ,
• Borough_Area Borough_Population_Density ,

3.2. Clustering

, , .

, K-Means Elbow , , .

Elbow , ( 1 10). (distortion) (inertia).

Distortion Inertia .
(elbows) 3 5 .

3- .

, K-Means , :

• % ( )
• % ( )

:

• "0" — (78538 ), (173695 /²) (10328 /²)
• "1" — (153187 ), (160741 /²) (13312 /²)
• "2" — (79805 ), (333794 /²) (10533 /²)

"1" :

• 34 43% , 37% ,

boxplot .

(choropleth map)
, "1" .
, .

4. Result

:

• :
  
  • ()
• ,
• (heat map) (choropleth map)

.
.

20864 ( , , ...), 928 "Gym / Fitness Center", 259 .

.

(heat map) (choropleth map) (HTML zip ) Interactive map
.

5. Discussion

:

1. , :

   
   
   • ,
   • ²,
   
   
3. GEOJSON
4. ( , , ...),

, GitHub .csv .

K-Means Elbow . Distortion Inertia , 3- . 5 , .
.

प्रतिस्पर्धी फिटनेस सुविधाओं की निकटता का निर्धारण करने के लिए, एक इंटरैक्टिव थर्मल भौगोलिक मानचित्र पर फिटनेस सेंटर प्रदर्शित करने के लिए एक दृष्टिकोण का उपयोग किया गया था। इस दृष्टिकोण ने हमें प्रत्येक क्षेत्र में मौजूदा फिटनेस केंद्रों की निकटता का विश्लेषण करने और कम घनत्व वाले क्षेत्रों की पहचान करने की अनुमति दी।

प्राप्त आंकड़ों के आधार पर, फिटनेस ऑब्जेक्ट्स के श्रेणीबद्ध विभाजन और नए फिटनेस सेंटरों के लिए अनुशंसित स्थानों की स्वचालित गणना का उपयोग करके एक अतिरिक्त विश्लेषण किया जा सकता है, प्रतिस्पर्धा फिटनेस ऑब्जेक्ट्स के घनत्व को ध्यान में रखते हुए।