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.
34 lines
3.5 KiB
34 lines
3.5 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "fcc7547171f4530f159676dd73ed772e",
|
|
"translation_date": "2025-08-24T22:20:11+00:00",
|
|
"source_file": "4-Data-Science-Lifecycle/15-analyzing/assignment.md",
|
|
"language_code": "fa"
|
|
}
|
|
-->
|
|
# جستجو برای پاسخ‌ها
|
|
|
|
این ادامه‌ی [تکلیف](../14-Introduction/assignment.md) درس قبلی است، جایی که به طور مختصر به مجموعه داده‌ها نگاه کردیم. اکنون قصد داریم نگاه عمیق‌تری به داده‌ها داشته باشیم.
|
|
|
|
دوباره، سوالی که مشتری می‌خواهد پاسخ آن را بداند: **آیا مسافران تاکسی زرد در شهر نیویورک در زمستان بیشتر از تابستان به رانندگان انعام می‌دهند؟**
|
|
|
|
تیم شما در مرحله [تحلیل](README.md) چرخه عمر علم داده قرار دارد، جایی که مسئول انجام تحلیل اکتشافی داده‌ها بر روی مجموعه داده هستید. یک دفترچه یادداشت و مجموعه داده‌ای که شامل ۲۰۰ تراکنش تاکسی از ژانویه و جولای ۲۰۱۹ است، در اختیار شما قرار گرفته است.
|
|
|
|
## دستورالعمل‌ها
|
|
|
|
در این پوشه یک [دفترچه یادداشت](../../../../4-Data-Science-Lifecycle/15-analyzing/assignment.ipynb) و داده‌هایی از [کمیسیون تاکسی و لیموزین](https://docs.microsoft.com/en-us/azure/open-datasets/dataset-taxi-yellow?tabs=azureml-opendatasets) وجود دارد. برای اطلاعات بیشتر درباره داده‌ها به [فرهنگ لغت مجموعه داده‌ها](https://www1.nyc.gov/assets/tlc/downloads/pdf/data_dictionary_trip_records_yellow.pdf) و [راهنمای کاربر](https://www1.nyc.gov/assets/tlc/downloads/pdf/trip_record_user_guide.pdf) مراجعه کنید.
|
|
|
|
از برخی تکنیک‌های این درس استفاده کنید تا تحلیل اکتشافی خود را در دفترچه یادداشت انجام دهید (در صورت نیاز سلول‌هایی اضافه کنید) و به سوالات زیر پاسخ دهید:
|
|
|
|
- چه عوامل دیگری در داده‌ها می‌توانند بر مقدار انعام تأثیر بگذارند؟
|
|
- کدام ستون‌ها احتمالاً برای پاسخ به سوال مشتری مورد نیاز نیستند؟
|
|
- بر اساس اطلاعاتی که تاکنون ارائه شده است، آیا داده‌ها شواهدی از رفتار فصلی در انعام دادن نشان می‌دهند؟
|
|
|
|
## معیار ارزیابی
|
|
|
|
عالی | قابل قبول | نیاز به بهبود
|
|
--- | --- | ---
|
|
|
|
**سلب مسئولیت**:
|
|
این سند با استفاده از سرویس ترجمه هوش مصنوعی [Co-op Translator](https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما تلاش می‌کنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌ها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، توصیه می‌شود از ترجمه انسانی حرفه‌ای استفاده کنید. ما مسئولیتی در قبال سوء تفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم. |