נתונים מספריים: תרגילי תכנות
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
כדאי להקדיש זמן כדי להשלים את התרגילים הבאים ולתרגל את מה שלמדתם בקטע השלבים הראשונים בעבודה עם נתונים מספריים.
- קבלת נתונים סטטיסטיים על מערך נתונים, שבה מוסבר איך למצוא עמודות שמכילות חריגים בולטים:
- איתור החלק הבעייתי של מערך הנתונים, שמספק הדרכה לגבי דרכים חזותיות ומתמטיות לזיהוי ערכים בעייתיים מוסתרים במערך נתונים:
תרגילי התכנות פועלים ישירות בדפדפן (אין צורך בהגדרה!) באמצעות פלטפורמת Colaboratory. יש תמיכה ב-Colab ברוב הדפדפנים הנפוצים, והוא נבדק באופן הכי יסודי בגרסאות למחשב של Chrome ו-Firefox.
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2025-01-29 (שעון UTC).
[null,null,["עדכון אחרון: 2025-01-29 (שעון UTC)."],[[["\u003cp\u003eThis page provides programming exercises focusing on practicing numerical data analysis skills learned in a previous lesson.\u003c/p\u003e\n"],["\u003cp\u003eTwo Colab exercises are available: one on calculating descriptive statistics and identifying outliers, and another on detecting and handling bad data values in a dataset.\u003c/p\u003e\n"],["\u003cp\u003eThe exercises are browser-based and require no setup, utilizing the Colaboratory platform, primarily supported on Chrome and Firefox desktop versions.\u003c/p\u003e\n"]]],[],null,["# Numerical data: Programming exercises\n\nTake some time to complete the following exercises to practice what you've\nlearned in\n[First steps with numerical data](/machine-learning/crash-course/numerical-data/first-steps).\n\n- **Get statistics on a dataset** , which shows you how to find columns containing blatant outliers: \n [Open math statistics exercise](https://colab.research.google.com/github/google/eng-edu/blob/main/ml/cc/exercises/numerical_data_stats.ipynb?utm_source=mlcc&utm_campaign=colab-external&utm_medium=referral&utm_content=numerical_data_stats)\n- **Find the bad part of the dataset** , which guides you through visual and mathematical ways to find hidden *bad* values in a dataset: \n [Open \"bad part\" dataset exercise](https://colab.research.google.com/github/google/eng-edu/blob/main/ml/cc/exercises/numerical_data_bad_values.ipynb?utm_source=mlcc&utm_campaign=colab-external&utm_medium=referral&utm_content=numerical_data_bad_values)\n\nProgramming exercises run directly in your browser (no setup\nrequired!) using the [Colaboratory](https://colab.research.google.com)\nplatform. Colaboratory is supported on most major browsers, and is most\nthoroughly tested on desktop versions of Chrome and Firefox. \n[Help Center](https://support.google.com/machinelearningeducation)"]]
