1.Fundamentals#

1、基础知识(Fundamentals)#

1.1 基础(Basic)#

1.1.1 矩阵和线性代数基础(Matrices & Linear Algebra Fundamentals)#

1.1.2 数据库基础(Database Basics)#

1.1.3 表格数据(Tabular Data)#

1.1.4 Pandas数据结构(Dataframes & Series)#

1.1.5 数据仓库技术(ETL,Extract,Transform,Load)#

1.1.6 业务分析与商业分析(Reporting vs BI vs Analytics)#

1.1.7 数据格式(Data Formats)#

(1) JSON#

(2) XML#

(3) CSV#

(4) TXT#

1.1.8 正则表达式(RegEx)#

1.2 Python编程(Python Programming)#

1.2.1 Python基础(Basics)#

(1) 表达式(Expressions)#

(2) 变量(Variables)#

(3) 数据结构(Data Structures)#

(4) 函数(Functions)#

(5) 安装包(via pip,conda or similar)#

(6) 代码风格(CodeStyles,e.g.PEP8)#

1.2.2 重要库(Important Libraries)#

(1) NumPy#

(2) Pandas#

1.2.3 虚拟环境(Virtual Environments)#

(1) miniconda#

(2) anaconda#

1.2.4 Jupyter Notebook/Lab#

1.3 数据源(Data Sources)#

1.3.1 数据挖掘(Data mining)#

1.3.2 网页抓取(Web Scraping)#

1.3.3 开源数据集(Pubilc Datasets)#

1.3.4 数据竞赛平台(e.g Kaggle)#

1.4 数据处理与分析(Exploratory Data Analysis)#

1.4.1 主成分分析(PCA,Principal Component Analysis)#

1.4.2 降维及数值约简(Dimensionality & Numerosity Reduction)#

1.4.3 归一化(Normailzation)#

1.4.4 数据清理，处理缺失值(Data Scrubbing,Handling Miss Value)#

1.4.5 无偏估计(Unbiased Estimators)#

1.4.6 稀疏值分箱(Binning Sparse Value)#

1.4.7 特征提取(Feature Extraction)#

1.4.8 降噪(Denoising)#

1.4.9 采样(Sampling)#