You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Data-Science-For-Beginners/translations/el/4-Data-Science-Lifecycle/15-analyzing/assignment.md

36 lines
4.2 KiB

This file contains ambiguous Unicode characters!

This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.

<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "fcc7547171f4530f159676dd73ed772e",
"translation_date": "2025-08-26T22:30:36+00:00",
"source_file": "4-Data-Science-Lifecycle/15-analyzing/assignment.md",
"language_code": "el"
}
-->
# Εξερεύνηση για απαντήσεις
Αυτή είναι η συνέχεια της [εργασίας](../14-Introduction/assignment.md) του προηγούμενου μαθήματος, όπου ρίξαμε μια σύντομη ματιά στο σύνολο δεδομένων. Τώρα θα εξετάσουμε τα δεδομένα πιο αναλυτικά.
Και πάλι, η ερώτηση που θέλει να απαντηθεί ο πελάτης είναι: **Οι επιβάτες των κίτρινων ταξί στη Νέα Υόρκη δίνουν μεγαλύτερα φιλοδωρήματα στους οδηγούς τον χειμώνα ή το καλοκαίρι;**
Η ομάδα σας βρίσκεται στο στάδιο της [Ανάλυσης](README.md) του Κύκλου Ζωής της Επιστήμης Δεδομένων, όπου είστε υπεύθυνοι για την εξερευνητική ανάλυση δεδομένων στο σύνολο δεδομένων. Σας έχει δοθεί ένα σημειωματάριο και ένα σύνολο δεδομένων που περιλαμβάνει 200 συναλλαγές ταξί από τον Ιανουάριο και τον Ιούλιο του 2019.
## Οδηγίες
Σε αυτόν τον φάκελο υπάρχει ένα [σημειωματάριο](assignment.ipynb) και δεδομένα από την [Επιτροπή Ταξί & Λιμουζινών](https://docs.microsoft.com/en-us/azure/open-datasets/dataset-taxi-yellow?tabs=azureml-opendatasets). Ανατρέξτε στο [λεξικό του συνόλου δεδομένων](https://www1.nyc.gov/assets/tlc/downloads/pdf/data_dictionary_trip_records_yellow.pdf) και στον [οδηγό χρήστη](https://www1.nyc.gov/assets/tlc/downloads/pdf/trip_record_user_guide.pdf) για περισσότερες πληροφορίες σχετικά με τα δεδομένα.
Χρησιμοποιήστε κάποιες από τις τεχνικές αυτού του μαθήματος για να κάνετε τη δική σας Εξερευνητική Ανάλυση Δεδομένων (EDA) στο σημειωματάριο (προσθέστε κελιά αν θέλετε) και απαντήστε στις παρακάτω ερωτήσεις:
- Ποιοι άλλοι παράγοντες στα δεδομένα θα μπορούσαν να επηρεάσουν το ποσό του φιλοδωρήματος;
- Ποιοι στήλες είναι πιθανό να μην χρειαστούν για να απαντηθούν οι ερωτήσεις του πελάτη;
- Με βάση όσα έχουν παρασχεθεί μέχρι στιγμής, φαίνεται να υπάρχουν ενδείξεις εποχικής συμπεριφοράς στα φιλοδωρήματα;
## Κριτήρια Αξιολόγησης
Εξαιρετικό | Επαρκές | Χρειάζεται Βελτίωση
--- | --- | ---
---
**Αποποίηση Ευθύνης**:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.