| Oratore |
Trascrizione |
| |
Quindi benvenuti a tutti. Il mio nome è |
| 00 |
07.933 |
| |
3 |
| |
Ambasciatore con JMP. Ora sono un |
| |
professore in pensione di economia |
| 00 |
30.566 |
| |
7 |
| |
tra uno studente e un |
| |
professore che lavora a un progetto. |
| 00 |
49.700 |
| |
11 |
| |
12 |
| |
coinvolgere gli studenti nella statistica |
| |
ragionamento, insegna che |
| 00 |
12.433 |
| |
16 |
| |
a questo proposito, il pensiero attuale è |
| |
che gli studenti dovrebbero imparare |
| |
sui flussi di lavoro riproducibili, |
| 00 |
36.266 |
| |
21 |
| |
gestione elementare dei dati. E, |
| |
ancora una volta, visualizzando le statistiche come |
| 00 |
58.800 |
| |
25 |
| |
26 |
| |
volevo unirmi a voi oggi su questo |
| |
chiamata virtuale. Grazie per aver |
| 00 |
20.600 |
| |
30 |
| |
e in particolare a Manhattan, |
| |
e tu ci hai chiesto così così tu |
| 00 |
36.433 |
| |
34 |
| |
E abbiamo scelto di fare l'Airbnb |
| |
prospettiva dell'affittuario. Quindi siamo |
| 00 |
51.733 |
| |
38 |
| |
costoso. |
| |
Quindi noi |
| |
ha iniziato a compilare...ci hai dato |
| 00 |
09.166 |
| |
43 |
| |
44 |
| |
questione separata, dalla tua principale |
| |
concentrarsi sulla ricerca di un posto in |
| 00 |
36.066 |
| |
49 |
| |
ottieni...se riesci a superare il |
| |
prime tre domande, hai |
| 00 |
54.100 |
| |
53 |
| |
sapere, c'è una parte di |
| |
Manhattan, ti interessa? |
| 00 |
11.133 |
| |
58 |
| |
repository a cui ci hai inviato. |
| |
E abbiamo scaricato davvero |
| 00 |
26.433 |
| |
32.866 |
| |
63 |
| |
cosa che abbiamo trovato, c'erano come |
| |
quattro colonne in questo set di dati |
| 00 |
46.766 |
| |
67 |
| |
capito che era questo |
| |
uno, il quartiere ospitante. Quindi |
| 00 |
58.100 |
| |
71 |
| |
72 |
| |
capito che i primi due |
| |
hanno solo tonnellate di piccoli minuscoli |
| 00 |
13.300 |
| |
76 |
| |
Manhattan. Quindi abbiamo selezionato |
| |
Manhattan. E poi quando abbiamo avuto |
| 00 |
29.700 |
| |
80 |
| |
quello e poi è così che siamo arrivati |
| |
i nostri annunci a Manhattan. Quindi |
| 00 |
44.033 |
| |
84 |
| |
i dati sono che ti imbatti in questi |
| |
questioni come perché ce ne sono quattro |
| 00 |
03.300 |
| |
88 |
| |
limitandolo a Manhattan, lo farò |
| |
torna indietro e pulisci un po' |
| 00 |
18.033 |
| |
92 |
| |
i dati descriveranno tutto ciò che |
| |
per ottenere i dati, ne parleremo |
| 00 |
28.400 |
| |
33.200 |
| |
97 |
| |
so che dovrei combinare |
| |
in base al codice postale, |
| 00 |
47.166 |
| |
101 |
| |
102 |
| |
107 colonne, |
| |
è semplicemente difficile trovare il |
| 00 |
09.366 |
| |
106 |
| |
loro, quindi sapevamo che dovevamo pulire |
| |
che su. Va bene, abbiamo anche avuto |
| 00 |
27.366 |
| |
111 |
| |
diario di appunti. Per |
| |
per pulirlo, usiamo il recode |
| 00 |
45.500 |
| |
115 |
| |
Esatto. Fantastico. |
| |
Ok, quindi abbiamo fatto le pulizie |
| 00 |
02.200 |
| |
119 |
| |
I dati fiscali di Manhattan hanno questo codice postale |
| |
codice. Quindi ho questo codice postale |
| 00 |
19.300 |
| |
123 |
| |
giorno di lezione, quando abbiamo parlato |
| |
Di |
| |
tipi di dati. E nota nel |
| 00 |
42.300 |
| |
128 |
| |
...analizzare la distribuzione di |
| |
quella colonna, sarà divertente |
| 00 |
03.200 |
| |
133 |
| |
Manhattan non lo dice davvero |
| |
una cosa per te. |
| |
Ma il codice postale pulisce i dati in |
| 00 |
18.466 |
| |
23.266 |
| |
139 |
| |
solo un'etichetta, un identificatore e |
| |
più precisamente, |
| |
quando vuoi unirti o unirti |
| 00 |
41.833 |
| |
48.766 |
| |
145 |
| |
importante. Non è solo un |
| |
idea astratta. Non puoi unire |
| 00 |
03.166 |
| |
11.266 |
| |
150 |
| |
nominale era il tipo di modellazione, |
| |
ci siamo solo assicurati. |
| 00 |
26.200 |
| |
31.033 |
| |
155 |
| |
riguardo alla tabella principale è il |
| |
annunci. Voglio mantenere |
| 00 |
45.533 |
| |
159 |
| |
per combinarlo con la tassa di Manhattan |
| |
dati. |
| |
Sì. E poi? Allora dobbiamo |
| 00 |
03.266 |
| |
164 |
| |
digli che la colonna ha chiamato |
| |
zip pulito, |
| |
codice postale pulito... |
| |
Quasi. Ci siamo. |
| |
E la colonna chiamata zip, che |
| 00 |
33.200 |
| |
171 |
| |
172 |
| |
Annuncio Airbnb |
| |
e abbinarlo a qualsiasi cosa in |
| 00 |
57.033 |
| |
177 |
| |
178 |
| |
loro nella tabella ogni riga, sia |
| |
corrisponde all'altro o |
| 00 |
13.233 |
| |
182 |
| |
tabella principale, e poi solo il materiale |
| |
che si sovrappone al secondo |
| 00 |
29.600 |
| |
186 |
| |
un altro nome come Air BnB IRS |
| |
o qualcosa del genere? Sì, è molto |
| 00 |
50.966 |
| |
190 |
| |
fai un'altra cosa |
| |
perché ho notato che questi sono solo |
| |
tabelle di dati sparse in giro |
| 00 |
06.666 |
| |
195 |
| |
correndo. Okay. Quindi salverò questo |
| |
tabella dati. E adesso? |
| |
E davvero, questi sono i dati |
| 00 |
19.833 |
| |
22.033 |
| |
26.266 |
| |
35.466 |
| |
203 |
| |
qualsiasi altra cosa, prima che perdiamo |
| |
traccia di dove siamo, andiamo |
| 00 |
49.733 |
| |
58.800 |
| |
01.833 |
| |
209 |
| |
o Oak Team? |
| |
Poi |
| |
parte dell'idea di un progetto |
| 00 |
23.700 |
| |
214 |
| |
cosa. Quindi se tu |
| |
afferrare, direi, prendere il |
| 00 |
50.100 |
| |
218 |
| |
219 |
| |
220 |
| |
due set di dati originali, e poi |
| |
la mia ultima fusione. Okay adesso |
| 00 |
16.200 |
| |
225 |
| |
come schede. |
| |
E mentre generi grafici e |
| 00 |
36.566 |
| |
229 |
| |
230 |
| |
231 |
| |
anche quando ce l'ho in questi |
| |
schede. Okay, davvero fantastico. |
| 00 |
58.833 |
| |
02.500 |
| |
236 |
| |
Bene, forza Oak Team. |
| |
Bene, ciao, Dr. Carver, grazie mille |
| 00 |
19.233 |
| |
240 |
| |
potresti semplicemente dare un'occhiata ad alcuni di |
| |
queste cose, e fammi sapere se |
| 00 |
32.300 |
| |
244 |
| |
abbiamo utilizzato Graph Builder per guardare |
| |
il prezzo per quartiere. E |
| 00 |
45.400 |
| |
248 |
| |
aiutalo a essere un po' più facile |
| |
confrontarli tra loro. Quindi siamo in grado |
| 00 |
01.000 |
| |
252 |
| |
avere molta esperienza con |
| |
New York City. Così abbiamo pianificato |
| 00 |
18.166 |
| |
256 |
| |
stare davanti all'ONU e |
| |
scatta una foto con tutti i |
| 00 |
31.733 |
| |
260 |
| |
detto a Gramercy Park o |
| |
Collina di Murray. |
| |
Se guardiamo indietro al |
| 00 |
46.566 |
| |
265 |
| |
abbiamo pensato che dovremmo espandere il nostro |
| |
cercare oltre quel quartiere per |
| 00 |
58.766 |
| |
269 |
| |
270 |
| |
ho appena tracciato le medie |
| |
erano per i quartieri ma |
| 00 |
14.533 |
| |
274 |
| |
la modellazione e per modellare il |
| |
previsione. Quindi se potessimo mettere |
| 00 |
30.766 |
| |
279 |
| |
prezzo previsto. Abbiamo iniziato |
| |
costruire un modello e quello che abbiamo |
| 00 |
42.800 |
| |
283 |
| |
fattori. E quindi quando mettiamo |
| |
quei fattori in un solo |
| 00 |
58.833 |
| |
287 |
| |
inoltre, alcune delle statistiche di adattamento |
| |
di cui ci hai parlato in classe. |
| 00 |
15.466 |
| |
292 |
| |
ma per lo più è una nuvola intorno |
| |
quella linea zero residua. Quindi |
| 00 |
30.766 |
| |
296 |
| |
che era molto più grande di qualsiasi altro |
| |
i nostri altri modelli. Quindi sappiamo |
| 00 |
45.800 |
| |
300 |
| |
motivi per cui utilizziamo dati reali. |
| |
A volte, questo è reale. Questo è |
| 00 |
58.266 |
| |
304 |
| |
guardare? |
| |
Come questo sono i valori residui. |
| 00 |
19.266 |
| |
309 |
| |
è buono. Ah, fantastico. |
| |
Fantastico. Okay, allora cercherò |
| 00 |
34.966 |
| |
313 |
| |
è più o meno così che stiamo rispondendo |
| |
le nostre poche domande importanti. E |
| 00 |
47.300 |
| |
317 |
| |
era davvero difficile da pulire |
| |
i dati e per unirli. |
| 00 |
57.866 |
| |
03.500 |
| |
322 |
| |
voleva dimostrare come JMP |
| |
in combinazione con un mondo reale |
| 00 |
28.700 |
| |
327 |
| |
Numero uno in un vero progetto, |
| |
la definizione dell'ambito è importante. Vogliamo |
| 00 |
47.600 |
| |
331 |
| |
spero di portare al |
| |
al gruppo. Insidia numero due, |
| |
è fondamentale esplorare il |
| 00 |
08.033 |
| |
336 |
| |
l'area di collegamento dei dati |
| |
combinando dati da più |
| 00 |
27.800 |
| |
341 |
| |
ricodifica |
| |
e assicurandosi che sia collegabile |
| 00 |
45.100 |
| |
345 |
| |
346 |
| |
la ricerca riproducibile è vitale, |
| |
soprattutto in un contesto di squadra, |
| |
soprattutto per progetti che potrebbero |
| 00 |
05.966 |
| |
351 |
| |
abitudini di garanzia |
| |
riproducibilità. E infine, |
| |
speriamo che tu noti che in questi |
| 00 |
32.633 |
| |
356 |
| |
sul calcolo e |
| |
l'interpretazione cade per |
| 00 |
51.900 |
| |
360 |
