Python Programming Quiz on Web Data Handling

<p>response.content() (A)</p> Signup and view all the answers

<p>לשימוש ב-response.content() תמיד מומלץ להיעזר ב-response.text() (A)</p> Signup and view all the answers

<p>response.headers() (B)</p> Signup and view all the answers

<p>לשלב response.content() עם response.text() כדי לקבל תוצאה אחידה (C)</p> Signup and view all the answers

<p>response.html() (B)</p> Signup and view all the answers

<p>response.html() (C)</p> Signup and view all the answers

<p>KMeans הוא מודל למידה לא מונחית, המשמש ליצירת קבוצות נתונים דומות. (B)</p> Signup and view all the answers

<p>matplotlib.pyplot (D)</p> Signup and view all the answers

<p>pandas (B)</p> Signup and view all the answers

<p>df.replace(np.nan, df.mean(), inplace=True) (B)</p> Signup and view all the answers

<p>df.dropna(subset=['A', 'B', 'C'], inplace=True) (A)</p> Signup and view all the answers

<p>from sklearn.cluster import KMeans model = KMeans(n_clusters=5) model.fit(df) (A)</p> Signup and view all the answers

<p>df.mean() (B)</p> Signup and view all the answers

<p><code>SVM</code> הוא מודל למידה מונחית, המשמש למציאת גבול אופטימלי להפרדה בין קבוצות נתונים. (C)</p> Signup and view all the answers

<p><code>KMeans</code> משמש ליצירת קבוצות נתונים דומות, בעוד <code>SVM</code> משמש למציאת גבול אופטימלי להפרדה בין קבוצות נתונים. (B)</p> Signup and view all the answers

<p>מציאת ערכים חריגים (Outliers) באמצעות זיהוי ערכי קצה (C)</p> Signup and view all the answers

<p>הקוורטיל הראשון של העמודה 'column1' (C)</p> Signup and view all the answers

<p>זיהוי ערכים חריגים (Outliers) באמצעות IQR (טווח בין-קוורטילי) (C)</p> Signup and view all the answers

<p>הטכניקות מבוססות על פרמטרים שונים, ולכן עשויות לזהות ערכים חריגים שונים (D)</p> Signup and view all the answers

<p>בודק אם ערך בעמודה 'column1' הוא ערך קיצוני (Outlier) לפי IQR (A)</p> Signup and view all the answers

<p><code>df['column1'].isnull()</code> (D)</p> Signup and view all the answers

<p><code>df.fillna(0)</code> (A), <code>df = df.fillna(0)</code> (B), <code>df.fillna(value=0)</code> (C)</p> Signup and view all the answers

<p><code>new_df = df[df['A'].notnull()]</code> (B), <code>new_df = df.dropna(subset=['A'])</code> (C)</p> Signup and view all the answers

<p>סכום הערכים בעמודה 'B' בכל השורות שבהן <code>df['A']</code> גדול מ-10 (B)</p> Signup and view all the answers

<p><code>df.mean(axis=1)</code> (A)</p> Signup and view all the answers

<p><code>df.isnull().any().any()</code> (B), <code>df.isnull().any()</code> (C)</p> Signup and view all the answers

<p><code>.loc</code> משתמש בשמות שורות ועמודות , בעוד <code>.iloc</code> משתמש במיקומי השורות והעמודות. (B)</p> Signup and view all the answers

<p><code>df.head(3)</code> (B), <code>df.iloc[:3]</code> (C)</p> Signup and view all the answers

<p><code>print(df.head(5))</code> (C)</p> Signup and view all the answers

<p><code>r'\d{3,}'</code> (C)</p> Signup and view all the answers

<p>גרף Scatter matrix (תרשים פיזור מרובה) (D)</p> Signup and view all the answers

<p>הטיית אישור תתרחש אם החברה תעקוב רק אחר מספר ההורדות מהפרסום ברשתות חברתיות, ותתעלם מהורדות דרך מקורות אחרים (D)</p> Signup and view all the answers

<p>בסולם מנה יש נקודת אפס מוחלטת שמשמעותה היעדר התכונה הנמדדת (D)</p> Signup and view all the answers

<p>אלגוריתמים רבים בלמידה עמוקה נכשלים בשל אי-הבנה של המודל וארכיטקטורת רשת עצבית (B)</p> Signup and view all the answers

<p>מִשְׁלָב (batching) (A)</p> Signup and view all the answers

<p>שימוש במידע חיצוני שאינו קשור לבעיה (B)</p> Signup and view all the answers

<p>קבוצה (A)</p> Signup and view all the answers

<p>טפל (C)</p> Signup and view all the answers

<p>מילון (A)</p> Signup and view all the answers

<p>רשימה (B)</p> Signup and view all the answers

<p><strong>.</strong> (C)</p> Signup and view all the answers

<p>מציגה את חמש השורות האחרונות של DataFrame (C)</p> Signup and view all the answers

<p>-1 עד 1 (D)</p> Signup and view all the answers

<p>הפונקציה <code>tail()</code> יכולה להציג כל מספר רצוי של שורות (B)</p> Signup and view all the answers

<p>שני משתנים רציפים (A)</p> Signup and view all the answers

<p><code>tail()</code> מאפשרת למקד בניתוח של חלק מסוים של הנתונים (C)</p> Signup and view all the answers

<p>נתמך על ידי מרבית המערכות (A)</p> Signup and view all the answers

<p>אינו קריא באופן אינטואיטיבי (A)</p> Signup and view all the answers

<p>נתונים מיוצגים ברמה של שכבה אחת (B)</p> Signup and view all the answers

<p>לא קריא (C)</p> Signup and view all the answers

<p>מאפשר ייצוא כמויות גדולות של נתונים (D)</p> Signup and view all the answers

<p>למדוד את הקשר המונוטוני בין שני משתנים (A)</p> Signup and view all the answers

<p>-1 ל-1 (B)</p> Signup and view all the answers

<p>היא משתמשת בערכים המקוריים של הנתונים (A)</p> Signup and view all the answers

<p>קורלציית ספירמן מתמקדת בדירוגים, בעוד קורלציה רגילה מתמקדת בערכים עצמם (A)</p> Signup and view all the answers

<p>באמצעות חישוב דירוגים של המשתנים (D)</p> Signup and view all the answers

<p>לזהות תבניות וקשרים בנתונים שאינם בהכרח מובנים מאליהם. (C)</p> Signup and view all the answers

<p>‪ KMeans.‬עם ‪K=4‬‬ (B)</p> Signup and view all the answers

<p>בסולם רווח יש משמעות ליחס בין ערכים סמוכים‪ ,‬ובסולם סודר אין משמעות ליחס זה. (A)</p> Signup and view all the answers

<p>פורמט CSV הוא פופולרי ותומך בו תוכנת גיליון אלקטרוני רבים. (A), פורמט CSV קל ופשוט לקריאה ולכתיבה הן על ידי בני אדם והן על ידי תוכנות. (C), פורמט CSV תומך במגוון רחב של סוגי נתונים. (D)</p> Signup and view all the answers

<p><code>\.</code> (C)</p> Signup and view all the answers

<p>, , . (C)</p> Signup and view all the answers

<pre><code> -*[0-9]* , . (C), '[email protected]' . (D) </code></pre> Signup and view all the answers

<p>הקופסה מייצגת את הטווח בין הרבעון הראשון לרבעון השלישי, וחציון הנתונים מצוי בתוך הקופסה (A)</p> Signup and view all the answers

<p>תרשים Box Plot מציג את חלוקת הנתונים בדרך גרפית, היסטוגרמה מציגה את התדירות של כל ערך. (C)</p> Signup and view all the answers

<p>המרחק בין הרבעון הראשון לרבעון השלישי, הוא מייצג את 50% המרכזיים של הנתונים (B)</p> Signup and view all the answers

<p>מתאם פירסון מצביע על קשר לינארי בין שני נתונים בסולם רווח או סולם מנה (D)</p> Signup and view all the answers

<p>49 (C)</p> Signup and view all the answers

<p>כאשר הנתונים מראה עלייה נוחה בהיקף ההפרש בין הערכים (A), כאשר הנתונים מראה עלייה נוחה בהיקף ההפרש בין הערכים (D)</p> Signup and view all the answers

<p>ממשק ידידותי לשימוש במודלים של למידת מכונה (A)</p> Signup and view all the answers

<p>יצירת וקטור שהוא ייצוג מספרי של הופעות המילים במסמך (A)</p> Signup and view all the answers

<p>הגדלת מספר ה תאים בהיסטוגרמה מייעלת את ראיית התפלגות הנתונים בהצגה הגרפית (C)</p> Signup and view all the answers

<p>requests (D)</p> Signup and view all the answers

<p>למידה לא מונחית (Unsupervised Learning) והיא מוגדרת כבעיית אשכול (Clustering) (D)</p> Signup and view all the answers

<p>Pandas and Numpy (A)</p> Signup and view all the answers

<p>אלגוריתם DBSCAN עם eps=4 (C), אלגוריתם KMeans עם K=4 (D)</p> Signup and view all the answers

<p>הגרף האמצעי (C)</p> Signup and view all the answers

<p>ניסוח שאלת מחקר (A)</p> Signup and view all the answers

<p>למצוא כל המילים שמתחילות באות גדולה וממשיכות באותיות קטנות, בודדות משאר הטקסט (D)</p> Signup and view all the answers

<p>\d+\s*,?\s*\d+.?\d* (D)</p> Signup and view all the answers

<p>DBSCAN (B)</p> Signup and view all the answers

<p>Hierarchical Clustering (C)</p> Signup and view all the answers

<p>הוא דורש ידע מקדים על מספר האשכולות (D)</p> Signup and view all the answers

<p>כאשר X גדל, Y קטן באופן לינארי (A)</p> Signup and view all the answers

<p>\d+\s*-\s*\d* (A)</p> Signup and view all the answers

<p>יש להשתמש בתרשימי עוגה כדי להציג את הרכב השלם עבור מספר קטגוריות מועטות. (D)</p> Signup and view all the answers

<p>תרשימי עוגה מאפשרים הבנה קלה של חלקים מתוך הכל. (C)</p> Signup and view all the answers

<p>תרשים עמודות (A)</p> Signup and view all the answers

<p>חלוקה לחלקים מתוך הנתון הכולל. (C)</p> Signup and view all the answers

<p>נתונים עם הרבה קטגוריות. (D)</p> Signup and view all the answers

<p>r\b0*\d+.\d*\b (A)</p> Signup and view all the answers

<p>רשימה (D)</p> Signup and view all the answers

<p>למצוא את השורות האחרונות ב-DataFrame. (C)</p> Signup and view all the answers

<p>להשוואת נתונים מסוימים בצורה קלילה. (B)</p> Signup and view all the answers

<p>Series (D)</p> Signup and view all the answers

<p>זיהוי ערכי קצה (extreme values) במאפיין מסוים (feature) שיכולים להשפיע על ניתוח הנתונים (B)</p> Signup and view all the answers

<p>סיווג תמונות (image classification) (D)</p> Signup and view all the answers

<p>11 True True (B)</p> Signup and view all the answers

<p>אלגוריתם רגרסיה לוגיסטית (logistic regression) (C)</p> Signup and view all the answers

<p>df.shape (D)</p> Signup and view all the answers

<p>חלוקת מערכת נתונים לקבוצות על סמך דמיון (similarity) בין הפריטים (A)</p> Signup and view all the answers

<p>המודול requests (C)</p> Signup and view all the answers

<p>הערך השכיח (D)</p> Signup and view all the answers

<p>to_csv (A)</p> Signup and view all the answers

<p>לזהות דפוסים וקשרים בנתונים (B)</p> Signup and view all the answers

<p>קורלציה לינארית של 0 מציינת שאין קשר לינארי בין שני משתנים. (A), קורלציה לינארית שלילית מציינת קשר חזק בין שני משתנים, כאשר ערכי משתנה אחד יורדים עם עליית ערכי המשתנה השני. (B), קורלציה לינארית חיובית מציינת קשר חזק בין שני משתנים, כאשר ערכי משתנה אחד עולים עם עליית ערכי המשתנה השני. (C), קורלציה לינארית יכולה להיות בין -1 ל-1, כאשר 1 מציין קשר לינארי חיובי מושלם ו- -1 מציין קשר לינארי שלילי מושלם. (D)</p> Signup and view all the answers

<p>קיים מתאם לינארי שלילי חזק בין X1 ל-X2. (D)</p> Signup and view all the answers

<p>לזהות תבניות וקשרים בנתונים לפני בניית מודלים של למידה מכונה. (A)</p> Signup and view all the answers

<p>איסוף נתונים. (A)</p> Signup and view all the answers

<p>JSON מתאים לאחסון נתונים מסוגים שונים כמו טקסט, מספרים ותאריכים. (C), JSON הוא פורמט נתונים היררכי, הדומה למילון. (D)</p> Signup and view all the answers

<p>הפונקציה מציגה את 5 השורות האחרונות של ה-DataFrame. (B)</p> Signup and view all the answers

<p>נתונים רציפים (D)</p> Signup and view all the answers

<p>להפחית ממדיות של נתונים (A), לזהות דפוסים וקשרים בנתונים (B)</p> Signup and view all the answers

<p>הפלט של האופרטור // הוא מספר שלם, לעומת זאת הפלט של ** אינו בהכרח מספר שלם (C)</p> Signup and view all the answers

<p>מתאם מודד את חוזק הקשר, קשר סיבתי מרמז על קשר של סיבה ותוצאה (A)</p> Signup and view all the answers

<p>ערכי התאים יקטנו (B)</p> Signup and view all the answers

<p>יכול להחזיר &quot;aaa123456789&quot;, אבל לא יכול להחזיר &quot;123456789abcdef&quot; (D)</p> Signup and view all the answers

<p>טיפול בנתונים (B)</p> Signup and view all the answers

<p>בסולם רווח המרווחים בין הערכים שווים, בסולם סדר לא בהכרח (C)</p> Signup and view all the answers

<p>למידה מפוקחת כוללת נתונים שסומנו עם ערך מסוים ו/סווגו, בעוד שנתוני למידה לא מפוקחת אינם מסווגים ולא סומנו (A)</p> Signup and view all the answers

<p>מאפיין בעמודות, מופיע בשורות (C)</p> Signup and view all the answers

<p>מיון תמונות לחיות מחמד שונות (C)</p> Signup and view all the answers

<p>מציג את השורות הראשונות של ה-DataFrame (A)</p> Signup and view all the answers

<p>קורלציית פירסון מתארת את עוצמת הקשר הליניארי בין שני משתנים (D)</p> Signup and view all the answers

<p>קורלציית פירסון יכולה להיות שלילית, חיובית או אפס, וערכה מראה את עוצמת הקשר בין שני משתנים (A)</p> Signup and view all the answers

<p>בין -1 ל-1 (B)</p> Signup and view all the answers

<p><code>tail()</code> תמיד מציגה את 5 השורות הראשונות של ה- DataFrame (D)</p> Signup and view all the answers

<p><code>tail()</code> מציגה רק חלק מה- DataFrame, מה שעלול להוביל להבדלים בתוצאות בניתוח הנתונים (A)</p> Signup and view all the answers

<p>ניתן להשתמש ב-<code>tail()</code> כדי לשנות את ה- DataFrame המקורי (A)</p> Signup and view all the answers

<p>קורלציית פירסון מתארת את עוצמת הקשר הלינארי בין שני משתנים (B)</p> Signup and view all the answers

<p>נתונים כמותיים רציף (כגון גובה) (D)</p> Signup and view all the answers

<p>מבנה שמאפשר גישה נוחה לנתונים באמצעות מפתח ייחודי (A)</p> Signup and view all the answers

<p>מאפיינים מיוצגים כעמודות ומופעים מיוצגים כשורות (C)</p> Signup and view all the answers

<p>סדר הערכים קבוע ובלתי משתנה (C)</p> Signup and view all the answers

<p>ניתן להשתמש ב ‪dictionary‬‬ כדי ליצור עמודות חדשות ב ‪DataFrame‬‬ (B)</p> Signup and view all the answers

<p>הכנסת סדר מוגדר לערכים (B)</p> Signup and view all the answers

<p>ספרייה שמתמחה בעיבוד נתונים מספריים (C)</p> Signup and view all the answers

<p>מבנה מסודר בעל שורות ועמודות, דומה לטבלה (B)</p> Signup and view all the answers

<p>ספריית תכנות מיועדת לניתוח ועיבוד נתונים (A)</p> Signup and view all the answers

<p>‪DataFrame‬‬ יכול להכיל מספר ‪Series‬‬ כעמודות שלו (B)</p> Signup and view all the answers

<p>ניתן להשתמש ב ‪dictionary‬‬ כדי ליצור ‪Series‬‬ חדש (D)</p> Signup and view all the answers

<p>אשכול לקוחות (D)</p> Signup and view all the answers

<p>אלגוריתם רגרסיה לינארית (C)</p> Signup and view all the answers

<p>רק ‪ 2‬סוגי נתונים (B)</p> Signup and view all the answers

<p>סיכום כל הערכים וחלוקה במספר הערכים (B)</p> Signup and view all the answers

<p>הפקודה ‪loads‬‬ (B)</p> Signup and view all the answers

<p>להקטין את מימד הנתונים ללא אובדן מידע significat (A), להתמקד במאפיינים הדומיננטיים בנתונים (C)</p> Signup and view all the answers

<p>התפלגות סימטרית, עם רוב הערכים סביב הממוצע (B)</p> Signup and view all the answers

<p>כל התשובות נכונות בתנאים מסוימים. (A)</p> Signup and view all the answers

<p>תיאור התפשטות או פיזור הנתונים (A)</p> Signup and view all the answers

<p>סטיית התקן גדולה יותר פירושה יש פזורה בנתונים. (B)</p> Signup and view all the answers

למידה שבה יש משימות ותויות לתוצרי הלמידה.

למידה שבה אין מסמכים או תיווך מהמאמן.

סולם שבו המרווחים הם שלמים ואפשר לחשב ממוצע אלגברי.

סולם שבו המרווחים יכולים להיות רציונליים ומאפשרים לחשב ממוצע הנדסי.

מדד שמייצג את מספר סטיות התקן מהממוצע.

מבנה נתונים דו מימדי ב-Pandas לאחסן נתונים מבניים.

פקודה להחזיר רשימה של כל התגיות בתעודת HTML המתאימות לקריטריון.

פקודת קוד שמשמשת לקבלת תוכן התשובה.

פקודה נוספת שמחזירה את התוכן כמחרוזת טקסט.

שיטה שקוראת תוכן HTML מתוך התשובה.

שיטה שמתארת נתונים, אך לא בהקשר זה.

המידע המוחזר מהבקשה לרשת.

איך משתמשים בפונקציות לקבלת תשובות?

להשתמש כשצריך טקסט פשוט מהתשובה.

לקרוא תוכן HTML ולהציג אותו.

מה שקורה כששולחים בקשה ולאן לפנות?

ייבוא סטנדרטי של ספריית matplotlib.pyplot בכדי ליצור גרפים.

שיטה להוספת מקרא לעלות גרפים באמצעות plt.legend().

שיטה להחליף ערכים חסרים עם ממוצע העמודה ב-DataFrame בעזרת df.fillna().

KMeans הוא מודל למידה לא מונחית שמבצע קיבוץ של נתונים.

scikit-learn היא ספרייה פופולרית בלמידה מונחית בפייתון.

SVM (Support Vector Machine) הוא אלגוריתם ללמידה מונחית למיון נתונים.

ייבוא KMeans באמצעות from sklearn.cluster import KMeans.

DataFrame הוא מבנה נתונים בפייתון שמאחסן נתונים בטבלה.

np.nan מייצג ערך חסר ב-numpy וב-pandas.

שיטה בפנדס להחלפת ערכים חסרים עם ערכים ממוצעים.

ערך עובר את הממוצע בתוספת שלוש סטיות תקן.

תהליך המפנה נתונים שמחוץ לטווח הנורמלי.

ערך שמתחתיו 25% מהנתונים. משתמשים לחישוב IQR.

ערך שחוצה 75% מהנתונים כלפי פנימה. חשוב לזיהוי חריגים.

הפרש בין Q3 ל-Q1, משמש לתיאור פיזור הנתונים.

פקודה ב-Pandas כדי לגשת ולשנות ערכים ב-DataFrame.

סכום כל הערכים בעמודה חלקי מספר הערכים.

ערכים חסרים ב-DataFrame שמצביעים על חוסר נתון.

הערך הקבוע המתקבל כשחושבים את ממוצע עמודה B.

שגיאה יכולה להתרחש כשמנסים לגשת לערכים לא חוקיים בעמודה.

ערכים ב-DataFrame שמקבילים לערכים קיצוניים מהשאר.

ההפרש בין הרבעון הראשון לשלישי, המזהה את התפוצה של הנתונים.

ההפרש כשהערכים הריקים בעמודה B משתנים לממוצע.

שורות ב-DataFrame שמחזיקות ערכים ריקים בעמודה A.

שיטה לזיהוי חריגים על ידי חישוב הטווח בין הרבעונים.

מציגה את חמש השורות האחרונות של ה-DataFrame.

מודדת את עוצמת והכיוון של הקשר הלינארי בין שני משתנים רציפים, עם ערך בין -1 ל-1.

ערך של 1 מציין קשר חיובי ולינארי מוחלט בין שני משתנים.

ערך של -1 מציין קשר שלילי ולינארי מוחלט בין שני משתנים.

ערך של 0 מציין שאין קשר לינארי בין המשתנים.

מודדת קשר מונוטוני בין שני משתנים באמצעות דירוגים.

הערך הנמוך ביותר בקורלציית ספירמן אפשרי הוא -1.

הערך הגבוה ביותר בקורלציית ספירמן אפשרי הוא 1.

שיטת מדידה שבאה במקום ערכים מקוריים לקורלציה.

קורלציית ספירמן מתמקדת במונוטוניות ולא בצורת הקשר.

פורמט טקסט קל שיכול לייבא ולייצא נתונים רבים.

מאפשר ייבוא וייצוא כמויות נתונים גדולות, נתמך על ידי רוב המערכות.

לא קריא, נתונים ברמה אחת ולא היררכיים.

תהליך של העברת נתונים מחוץ למערכת לפורמט אחר.

תהליך של הכנסת נתונים ממקור חיצוני למערכת.

מאחסן סדרה של ערכים שאינה ניתנת לשינוי.

מאחסן סדרה של ערכים הניתנים לשינוי.

מאחסן סדרה של ערכים ייחודיים ללא סדר מסוים.

מתאם לכל תו בודד פרט לשורת סיום.

טפל, רשימה וקבוצה הם מבני נתונים מרכזיים בפייתון.

הליך לזיהוי תבניות וקשרים בנתונים.

תהליך חלוקת נתונים לקבוצות על בסיס דמיון.

שיטה לחלק נתונים לקבוצות על פי קיבוץ נושאים.

אלגוריתם לקיבוץ נתונים המבוסס על צפיפות.

סולם שמודד ערכים בסדר מסוים אך לא מרווחים מדודים.

סולם שבו המרווחים הם מדודים אך אין אפס מוחלט.

תהליך גנרי של חקירה וניתוח נתונים לקבלת תובנות.

תהליך זיהוי נתונים שאינם תואמים למגמות הכלליות.

מבנים חוזרים או קישורים בתוך נתוני המידע.

סולם מדידה שבו ניתן לחבר ולחסר אך לא לחשב ממוצע.

סולם מדידה שבו ניתן לבצע חיבור, חיסור, כפול וחלק, וכולל ממוצע.

גרף דו-מימדי שמציג משתנה על ציר X ומדד על ציר Y.

מחרוזת המתארת כתובת אלקטרונית בפורמט סטנדרטי.

שיטות ליצירת קשרים בין מספר תכונות או משתנים.

ההפרש בין המידע הנאסף למידע שניתן בשדה.

תהליכים המפנים נתונים שמחוץ לתחום הנורמלי.

שיטות להשגת מספר ייצוגים צורניים של נתונים.

השיטה שבו אנו מתאימים נתונים לפי כללים או פורמטים מסוימים.

תרשים המציג חציון, רבעונים וטווח בין רבעוני של נתונים.

מספר שמצביע על קשר לינארי בין שני נתונים.

מאפיינים מיוצגים בעמודות והמופעים בשורות.

משמשת לפניות HTTP/HTTPS לשרתי רשת.

אובייקט ממיר טקסט לוקטורים בשיטת bag of words.

KMeans הוא אלגוריתם לקיבוץ נתונים ללא תוויות.

תצוגת נתונים המחולקת לתאים המייצגים כמות דגימות.

נתונים חסרים ב-DataFrame, מציינים חוסר מידע.

תרשים הממחיש את הרכב השלם בעבור קטגוריות מועטות.

פרמטר רגולרי לביטוי רגולרי שיכול להחזיר משתנים.

ביטוי רגולרי לחיפוש אחר מספרים שלמים.

ביטוי רגולרי לחיפוש מספרים עשרוניים או שלמים.

גרף שמציג יחסים בין חלקים

חישוב של מספר נקודות בסביבת נקודה עם רדיוס מסוים.

השלב הראשון בשלבי עבודתו של מדען הנתונים.

מודד את עוצמת והכיוון של הקשר הלינארי בין שני משתנים.

תהליך המפנה נתונים שמחוץ לטווח הנורמלי.

תהליך למציאת תבניות וקשרים בנתונים.

תהליך לצמצום מספר המשתנים בנתונים.

תהליך של גילוי מה שעשוי לקרות בעתיד מתוך נתונים.

מודדת את עוצמת והכיוון של הקשר הלינארי בין שני משתנים.

מה שמתרחש כששולחים בקשה למידע מרשת.

מערך חד מימדי בספריית pandas נקרא Series.

Outlier Detection הוא תהליך זיהוי ערכים החורגים באופן משמעותי.

עיבוד תמונה, עיבוד שפה טבעית וביולוגיה חישובית הם תחומים של למידה לא מונחית.

הפקודה df.shape מציגה את מספר השורות והעמודות במסגרת נתונים.

המודול seaborn מיובא בדרך כלל כ-sns.

כדי לכתוב DataFrame לקובץ CSV יש להשתמש בפקודה to_csv.

הערך השכיח מושלם להחלפת ערכים חסרים בנתונים קטגוריאליים.

המודול requests נחשב מאוד לשימוש לצורך הרכשת נתונים.

אלגוריתם ניתוח רכיבים ראשיים (PCA) הוא חלק מקטגוריית למידה לא מונחית.

תהליך חקירה וניתוח נתונים נקרא חקר נתונים.

קשר שבו כשערכים של משתנה אחד גדלים, ערכי המשתנה השני קטנים.

קשר שבו כשערכים של משתנה אחד גדלים, גם ערכי המשתנה השני גדלים.

קשר חזק שבו ערכים של משתנה אחד משתנים באופן תואם לערכים של המשתנה השני.

ממשק המאפשר לבצע שאילתות ולהחזיר תוכן בצורה מסודרת.

מחרוזת מהווה כתובת אלקטרונית בפורמט ספציפי.

נתונים שלא ניתן לערוך או לשנות לאחר יצירתם.

השלב בעבודה שאחרי ניסוח שאלת המחקר, בו אוספים נתונים רלוונטיים.

מחרוזת המצביעה על מיקום משאב באינטרנט.

מאפיינים הם תכנים המיוצגים בעמודות ב-DataFrame.

מופעים הם רשומות המסודרות בשורות ב-DataFrame.

נתונים יכולים להיות מאופיינים בעמודות או מופעים בשורות.

למידה שבה אין תיוגים או הנחיות מראש לתוצרים.

אלגוריתם לקיבוץ נתונים ללא תוויות, באמצעות למידה לא מונחית.

מבנה נתונים המאגד זוגות של מפתחות וערכים.

מודד את עוצמת והכיוון של הקשר הלינארי בין שני משתנים.

ערך המפריד בין חצי עליון וחצי תחתון במערך נתונים ממוינים.

מדד המתאר את התפשטות או פיזור הנתונים סביב הממוצע.

ערכים חסרים ב-DataFrame, מצביעים על חוסר מידע.

תהליך שבו אנו מטפלים ערכים חסרים בנתונים על מנת לשפר את המודל.

תהליך חלוקת נתונים לאשכולות על בסיס תכונות משותפות.

מדד המייצג את מספר הסטיות התקן ממוצע עבור ערך נתון.

מדד המראה עד כמה שני משתנים תלויים זה בזה.

למידה הכוללת נתונים שסומנו ונדחו למטרות מסוימות.

למידה שבה הנתונים אינם מסווגים או מסומנים.