Числові дані: вправи з програмування
Тримайте все під контролем за допомогою колекцій
Зберігайте контент і організовуйте його за категоріями відповідно до своїх потреб.
Виконайте вправи, наведені нижче, щоб використати на практиці знання, отримані з розділу Перші кроки із числовими даними.
- Отримайте математичну статистику для набору даних, яка покаже, як знайти стовпці, що містять явні викиди:
- Знайдіть "проблемну" частину набору даних, щоб дізнатися, як візуально й математично шукати приховані проблемні значення в наборі даних:
Вправи з програмування виконуються безпосередньо у вебпереглядачі за допомогою платформи Colaboratory (не потрібно нічого налаштовувати). Colaboratory підтримує більшість основних вебпереглядачів, а найретельніші тестування цього продукту проводяться у версіях Chrome і Firefox для ПК.
Якщо не вказано інше, вміст на цій сторінці надається за ліцензією Creative Commons Зазначення Авторства 4.0, а приклади коду – за ліцензією Apache 2.0. Щоб дізнатися більше, перегляньте Правила сайту Google Developers. Java – це зареєстрована торговельна марка компанії Oracle і/або її філій.
Останнє оновлення: 2025-04-22 (UTC).
[null,null,["Останнє оновлення: 2025-04-22 (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)"]]