What is the translation of " EXPLORATORY DATA ANALYSIS " in Indonesian?

• analisis data eksplorasi
• exploratory data analysis
• analisis data eksploratif

Examples of using Exploratory data analysis in English and their translations into Indonesian

Exploratory Data Analysis.
Analisis Data Eksplorasi.

He introduced the box plot in his 1977 book, Exploratory Data Analysis.
Dia memperkenalkan box plot dalam bukunya tahun 1977, eksplorasi data Analysis.

Exploratory data analysis also called EDA(discover new features).
Analisis data eksploratif juga disebut EDA( temukan fitur baru).

He introduced the box plot in his 1977 book,"Exploratory Data Analysis".
Pemotongan diperkenalkan thebox petak pada tahun 1977 bukunya," Exploratory Data Analysis".

Cluster analysis is an exploratory data analysis tool for solving classification problems.
Cluster analisis adalah suatu alat analisis penyelidikan data untuk memecahkan klasifikasi masalah.

For this many tools are used which are programmed for exploratory data analysis.
Untuk ini banyak instrumen yang konvensional yang akan diprogram untuk analisis data eksplorasi.

It is used for exploratory data analysis to find hidden patterns or groupings in data..
Ini digunakan untuk analisis data eksplorasi dalam menemukan pola atau pengelompokan tertutup dalam data..

The box plot idea was described about in his 1977 book called Exploratory Data Analysis.
Pemotongan diperkenalkan thebox petak pada tahun 1977 bukunya," Exploratory Data Analysis".

The first approach could be an EDA- Exploratory Data Analysis, which basically means producing some plots and trying to indicate something from them.
Pendekatan pertama bisa berupa EDA- Exploratory Data Analysis, yang pada dasarnya berarti menghasilkan beberapa plot dan mencoba menunjukkan sesuatu dari mereka.

The process of trial and error to identify meaningful relationships and messages in the data is part of exploratory data analysis.
Proses uji coba untuk mengidentifikasi keterkaitan dan makna pesan pada data adalah bagian dari eksplorasi analisis data.

Additionally, all students take a course in exploratory data analysis, which serves as our program's formal introduction to the R programming language.
Di samping itu, semua pelajar mengambil kursus dalam analisis data penerokaan, yang berfungsi sebagai pengantar formal program kami kepada bahasa pengaturcaraan R[-].

Machine learning is sometimes conflated with data mining, where the latter subfield focuses more on exploratory data analysis and is known as unsupervised learning.
Machine learning juga terkadang berhubungan dengan data mining dimana subfield yang terakhir lebih berfokus pada analisis data eksploratif dan dikenal.

You can use different exploratory data analysis and visualization techniques to have a better understanding of your data set.
Apa yang dapat Anda lakukan adalah menggunakan analisis data eksplorasi dan teknik visualisasi yang berbeda untuk memiliki pemahaman yang lebih baik tentang kumpulan data Anda.

Data mining is a field of study in machine learning and focuses on exploratory data analysis through unsupervised learning.
Penambangan data adalah bidang studi dalam pembelajaran mesin, dan berfokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.

It starts with the fundamental concepts of Data Manipulation, Exploratory Data Analysis etc before moving over to advance topics like the Ensemble of Decision trees, Collaborative filtering, etc.
Dimulai dengan konsep dasar Data Manipulation, Analisis Data Exploratory dll sebelum pindah ke memajukan topik seperti Ensemble pohon Keputusan, penyaringan kolaboratif, dll.

Data visualization is closely related to information graphics, information visualization, scientific visualization, exploratory data analysis and statistical graphics.
Visualisasi data secara dekat berkaitan dengan grafik informasi, visualisasi informasi, visualisasi ilmiah, eksplorasi analisis data dan grafik statistis.

However, the only difference between Data Mining and the traditional Exploratory Data Analysis(EDA) is that Data Mining is more oriented towards applications than the fundamental nature of the underlying phenomena.
Namun, perbedaan umum yang penting dalam fokus dan tujuan antara Data Mining dan Exploratory Data Analysis tradisional( EDA) adalah bahwa Data Mining lebih berorientasi pada aplikasi dari sifat dasar dari fenomena yang mendasari.

TANAGRA: Tanagra is one of the free open source software for academic and research purposes which is provides various data mining methods from exploratory data analysis, statistical data mining, machine learning, and deep learning.
Tanagra merupakan perangkat lunak data mining gratis untuk tujuan akademik dan penelitian, yang memiliki kemampuan untuk beberapa metode data mining dari analisis eksplorasi data, pembelajaran statistik, pembelajaran mesin( machine learning) dan database daerah.

The course provides learners with exposure to essential tools including exploratory data analysis, as well as regression methods that can be used to investigate the impact of marketing activity on aggregate data(e.g., sales) and on individual-level choice data(e.g., brand choices).
Kursus ini memberikan peserta dengan paparan alat-alat penting termasuk analisis data eksplorasi, serta metode regresi yang dapat digunakan untuk menyelidiki dampak kegiatan pemasaran pada data agregat( misalnya, penjualan) dan pada data pilihan tingkat individu( misalnya, pilihan merek).

In statistical applications, some people divide data analysis into descriptive statistics, exploratory data analysis, and confirmatory data analysis..
Dalam aplikasi statistik, beberapa orang membagi data ke dalam analisis statistik deskriptif, analisis eksplorasi data, dan analisis data konfirmatori.

Healso contributed to statistical practice and articulated the important distinctionbetween exploratory data analysis and confirmatory data analysis, believing thatmuch statistical methodology placed too great an emphasis on the latter.
He juga memberikan kontribusi untuk statistik Praktek dan diartikulasikan perbedaan penting antara analisis data eksplorasi dan analisis data konfirmasi, percaya bahwa banyak metodologi statistik ditempatkan tumbuh besar penekanan pada Orang.

In statistical applications, some people divide business analytics into descriptive statistics, exploratory data analysis(EDA), and confirmatory data analysis(CDA).
Dalam aplikasi statistik, beberapa orang membagi data ke dalam analisis statistik deskriptif, analisis data eksplorasi( EDA), dan konfirmasi analisis data( CDA).

However, an important general difference in the focus and purpose between data mining and traditional exploratory data analysis is that data mining is more oriented towards applications than less concerned with identifying the basic nature on the underlying phenomena.
Namun, perbedaan umum yang penting dalam fokus dan tujuan antara Data Mining dan Exploratory Data Analysis tradisional( EDA) adalah bahwa Data Mining lebih berorientasi pada aplikasi dari sifat dasar dari fenomena yang mendasari.

Machine learning is sometimes conflated with data mining, where the latter subfield focuses more on exploratory data analysis and is known as unsupervised learning.
Machine learning terkadang digabungkan dengan data mining, dimana subfield yang terakhir lebih berfokus pada analisis data eksploratif dan dikenal sebagai pembelajaran tanpa pengawasan.

However, an important general difference in the focus and purpose between Data Mining and the traditional Exploratory Data Analysis(EDA), is that Data Mining is more oriented towards applications than the basic nature of the underlying phenomena.
Namun, perbedaan umum yang penting dalam fokus dan tujuan antara Data Mining dan Exploratory Data Analysis tradisional( EDA) adalah bahwa Data Mining lebih berorientasi pada aplikasi dari sifat dasar dari fenomena yang mendasari.

Data mining is a field of study within machine learning, focuses on exploratory data analysis through unsupervised learning.
Penambangan data adalah bidang studi dalam pembelajaran mesin, dan berfokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.

The Bachelor's degree in Data Analytics is mainly focused on teaching methods and techniques in the area of maths(analysis and calculus), inferential statistics and exploratory data analysis, computer science methods and tools for database design and management, fundamentals of programming, basics of epistemology for the research, econometric, experimental and dynamic models.
Gelar Sarjana dalam Data Analytics terutama difokuskan pada metode pengajaran dan teknik di bidang matematika( analisis dan kalkulus), statistik inferensial dan analisis data eksplorasi, metode ilmu komputer dan alat untuk desain dan manajemen basis data, dasar-dasar pemrograman, dasar-dasar epistemologi untuk penelitian, ekonometri, model eksperimental dan dinamis.