Pandas Class 01 – Tools Needed to Start Data Analysis - video Dailymotion

Nafees AI Lab

Get started with the essential tools needed to work with Pandas in Python. Covers installations and environment setup. #PythonTools #Pandas #DataScience

Transcript

00:00کہ میں آپ کو مشین لرننگ پرابلم کے انٹائر لائف سائیکل سے انٹرڈیوز کرا دوں

00:05اب اس لائف سائیکل میں سب سے پہلے تو ہمیں پتا ہونا چاہیے کہ ہم کیا پرابلم سالو کرنے کی کوشش کر رہے ہیں

00:14what problem we are solving

00:16اور اس کو کس طریقے سے frame کرنا ہے ہم نے کس طریقے سے define کرنا

00:21it's very important

00:22کسی نے کہا خوب کہا اس نے کہا

00:24if you don't know exactly what you are planning to solve

00:28what you are trying to solve

00:30the worst thing that you can do is hard work

00:33how about that

00:35تو پہلے ہمیں پتا ہونا چاہیے کہ problem definition کیا

00:39اس کے بعد اس problem کو solve کرنے کے لیے

00:42data ہمارے پاس ہونا چاہیے

00:44اب ہم پھر data کو evaluate کرتے ہیں

00:48اور اس کے features define کرتے ہیں

00:50imagine کریں کہ ہمارے پاس ایک data ہے

00:53اور اس data کی base پہ ہم یہ اندازہ لگا سکتے ہیں

00:57کہ آپ کہتے ہیں کہ یار میرے پاس data کے x y column آئے ہیں

01:04تو میں x اور y column کو دیکھ کے ایک اور column بنا سکتا ہوں

01:08اور اس کو z column کہتا ہوں

01:10تو اس کو کہتے ہیں feature

01:11اور یہ field ہے in itself feature engineering کا

01:14اس کے بعد آپ modeling کرتے ہیں

01:18جب آپ کے پاس data ایک proper format میں آ جاتا ہے

01:21تو تب اس کے اوپر آپ machine learning model apply کرتے ہیں

01:25machine learning model کوئی ایسا نہیں ہوتا

01:27کہ آپ نے لگایا اور دنیا کے سارے مسئلے حل ہو گئے

01:30اس طرح نہیں ہوتا

01:31machine learning model in itself is a mathematical algorithm

01:35اور کچھ بھی نہیں ہے

01:37mathematical algorithm کی coding ہوئی ہوئی ہے

01:39پروگرام لکھا ہوا ہے

01:40اس کا تو وہ program run ہوتا ہے

01:42تو make sure کرنا ہے

01:44کہ آپ نے اس کو data correct طریقے سے دینا ہے

01:47اس کی reason یہ ہے

01:48کہ machine learning algorithm

01:50اسی چیز کا result آپ کو دے گا

01:52جو اس کو آپ input کریں گے

01:54وہ کوئی اپنی طرف سے کوئی نیا ہے

01:55کوئی اس کے پاس کوئی hindsight نہیں ہے

01:57کوئی magic ball تو نہیں ہے

01:58کہ وہ خود دیکھ لے گا

01:59کہ کیا منیجز کرتے ہیں

02:00چیز آپ نے یہ ذہن میں رہتے ہیں

02:01and then

02:02جس طرح ہر experiment میں ہوتا ہے

02:07جس طرح

02:08ہر life cycle میں ہوتا ہے

02:10کہ you get better over the time

02:12جب آپ iterate کرتے ہیں

02:14آپ کے پاس result آیا

02:16you realize

02:16یہ جو model میں نے apply کیا

02:18maybe this model is not working fine

02:21یا پھر میرے خیال سے یہ model

02:23ٹھیک کام کر رہا ہے

02:24لیکن یہ بہت slow ہے

02:25یا پھر

02:26یار یہ model slow

02:27تو نہیں ہے

02:28بہت fast ہے

02:29لیکن اس کی accuracy ٹھیک نہیں ہے

02:30تو again

02:31you iterate

02:32however

02:33جس چیز کی طرف

02:34میں آپ کی توجہ دلانا چاہتا ہوں

02:36وہ یہ کہ

02:36یہ جو entire چیز ہے نا

02:38یہ data science ہے

02:39this is essence of data science

02:41اس میں در کوئی problem نہیں

02:43یہ تو آپ

02:44اپنی finger tips پہ یاد کر سکتے ہیں

02:476 steps ہیں

02:475 fingers ہوتی ہیں

02:49ایک پھر دوسرے

02:50ہاتھ والی لے لیں finger

02:516 finger ہوگی

02:52پوری پوری

02:52آپ کہیں

02:54data science

02:54میری finger tips پہ

02:55لیکن

02:57اب ذرا آپ نے

02:57غور کرنا

02:58important چیز یہ ہے

02:58کہ step 2, 3, 4

03:00جس میں data

03:01data evaluation

03:02اور feature engineering

03:04یہ جو ہے

03:05basically

03:05یہ data analysis میں آتا ہے

03:07اور modeling

03:08جو ہے

03:09وہ machine learning میں آتا ہے

03:11تو اب ہم نے کیا کیا

03:12کہ ہماری entire data science

03:14کو boil down کر دیا

03:15دو

03:16major component کے اندر

03:17جس میں data analysis

03:18اور machine learning آگئے

03:19اب

03:21data science

03:22کو perform کرنے کے لئے

03:23ہم حادثے تو نہیں کرتے

03:25ہمیں tools چاہیے

03:26کوئی بھی بڑا کام ہو

03:28حادثے تو نہیں کرتے

03:28tools چاہیے

03:29تو اب ہم

03:30طولز کی بات کرتے ہیں

03:31کہ یہ دو

03:32basic

03:32جو component ہیں

03:34data analysis

03:34اور machine learning

03:35ان کے لئے ہمیں

03:36کیا کیا tools چاہیے ہوتے ہیں

03:37کیونکہ

03:38eventually

03:39ہم نے

03:40وہی tools

03:41سیکھنے ہیں

03:42تو

03:42جیسا کہ میں نے کہا

03:43کہ data science

03:44ایک broad term ہے

03:45جس کے اندر یہ سارے

03:46step ہم نے کرنے ہیں

03:47اور data science

03:48کو ہم کیسے کرنے ہیں

03:49ہم نے

03:51mini conda

03:51use کرنا ہے

03:52اس کی تفصیل

03:53جو ہے آپ کو پتہ

03:54چل جائے گی

03:54اب

03:56mini conda

03:57کے اندر

03:58ہم نے

03:58data analysis

03:59کرنا ہے

04:00اب

04:01data analysis

04:02کرنے کے لئے

04:02ہمیں

04:03data analysis

04:04کی

04:04libraries

04:04چاہیے

04:05جن میں

04:06سب سے پہلی

04:07library

04:07ہے

04:07panda

04:08وہ جو

04:09کالے کانوں

04:10والا نہیں

04:10ہوتا

04:11وہ جو

04:11kung fu

04:12panda

04:12آپ نے

04:13movie

04:13دیکھ

04:13ہی

04:13وہ

04:13kung fu

04:14وہ

04:15والا

04:15panda

04:15اس کے

04:16بعد

04:17ہمیں

04:17چاہیے

04:17ہوتی ہے

04:18numpy

04:20کیا کرتی

04:20ہے

04:21کہ یہ

04:21matrix

04:22operation

04:22کے لئے

04:23ہوتی

04:23ہے

04:23جس میں

04:23آپ

04:24ایک سے

04:25زیادہ

04:26list

04:26میں

04:26آپ

04:26دیکھتے

04:27تھے

04:27list

04:27ہوتی

04:28single

04:28vector

04:29ہوتا

04:29تھا

04:301

04:302

04:303

04:30that's

04:30it

04:31آپ

04:32نے

04:32دیکھا

04:33اس طرح

04:33کہ

04:333

04:34dimensional

04:34list

04:35نہیں

04:36دیکھیں

04:36نا

04:36numpy

04:38handle

04:38کرتی

04:39ہے

04:39اس کے

04:40بعد

04:40ہمارے

04:40پاس

04:40matplotlib

04:41اب

04:43یہ

04:43numbers

04:43ہوتے

04:44ہیں

04:44یہ

04:45human

04:45eye

04:45ان کو

04:45نہیں

04:46پکڑ

04:46سکتی

04:46until

04:46unless

04:47you

04:47have

04:47some

04:47visual

04:47aid

04:48graph

04:49plot

04:50bar

04:51chart

04:51area

04:52plot

04:523

04:54dimensional

04:54scatter

04:55plot

04:55matplotlib

04:59library

05:00جو

05:01plot

05:01کرتی

05:01ہے

05:02یہ

05:023

05:02data

05:03analysis

05:03جس

05:04data

05:05کو

05:05handle

05:05clean

05:06plot

05:07کرنا

05:07یہ

05:073

05:08library

05:09is

05:09data

05:10analysis

05:10کی

05:10field

05:10میں

05:11آتا

05:11ہے

05:11اس

05:12کے

05:12بعد

05:12ہمارے

05:13پاس

05:13machine

05:13learning

05:14machine

05:14learning

05:15کی

05:15لئے

05:15tensor

05:16flow

05:16available

05:16circuit

05:17learn

05:17اور

05:18pytor

05:18by the way

05:19circuit

05:20learn

05:20کی

05:20بات

05:20کریں

05:24جیلہ

05:25تر

05:25تو

05:27یہ

05:27ہے

05:27entire

05:28frame

05:29work

05:30ٹھیک ہے

05:31جی

05:31تو

05:31آپ

05:32نے

05:32ان

05:33چیزوں

05:33کو

05:33اپنے

05:34ذہن

05:34میں

05:34رکھنا

05:34ہے

Pandas Class 01 – Tools Needed to Start Data Analysis

Category

Transcript

Recommended