Toggle navigation sidebar
Toggle in-page Table of Contents
计算机科学路线图
目录
Awesome-Road-Map
1.Fundamentals
2.Data Science
3.Machine Learning
4.Deep Learning
5.Data Learning
6.Big Data
LearnList
Microsoft
Meta(facebook)
Intel
Google
Apple
Amazon
NVIDIA
Kaggle
HUAWEI-Cloud
HUAWEI-Mindspore
Baidu-PaddlePaddle
Baidu-Bit
Alibaba-TianChi
Alibaba-Cloud
Tencent-Cloud
Mooc
OpenL
repository
open issue
suggest edit
.md
.pdf
Contents
5.Data Learning
5、数据工程(Data Engineering)
5.1 数据格式总结(Summary of Data Formats)
5.2 数据发现(Data Discovery)
5.3 数据来源&采集(Data Source & Acquisition)
5.4 数据集成(Data Integration)
5.5 数据融合(Data Fusion)
5.6 数据转换与数据增强(Transformation & Enrichment)
5.7 数据调查(Data Survey)
5.8 数据整理(OpenRefine)
5.9 数据量化(How much Data)
5.10 实施有效的提取、转换、加载流程(using ETL,Extract, Transform and Load)
5.11 数据湖与数据仓库(Data Lake vs Data Warehouse)
5.12 将您的 Python 应用程序 Docker 化(Dockerize your Python Application)
5.Data Learning
Contents
5.Data Learning
5、数据工程(Data Engineering)
5.1 数据格式总结(Summary of Data Formats)
5.2 数据发现(Data Discovery)
5.3 数据来源&采集(Data Source & Acquisition)
5.4 数据集成(Data Integration)
5.5 数据融合(Data Fusion)
5.6 数据转换与数据增强(Transformation & Enrichment)
5.7 数据调查(Data Survey)
5.8 数据整理(OpenRefine)
5.9 数据量化(How much Data)
5.10 实施有效的提取、转换、加载流程(using ETL,Extract, Transform and Load)
5.11 数据湖与数据仓库(Data Lake vs Data Warehouse)
5.12 将您的 Python 应用程序 Docker 化(Dockerize your Python Application)
5.Data Learning
#
5、数据工程(Data Engineering)
#
5.1 数据格式总结(Summary of Data Formats)
#
5.2 数据发现(Data Discovery)
#
5.3 数据来源&采集(Data Source & Acquisition)
#
5.4 数据集成(Data Integration)
#
5.5 数据融合(Data Fusion)
#
5.6 数据转换与数据增强(Transformation & Enrichment)
#
5.7 数据调查(Data Survey)
#
5.8 数据整理(OpenRefine)
#
5.9 数据量化(How much Data)
#
5.10 实施有效的提取、转换、加载流程(using ETL,Extract, Transform and Load)
#
5.11 数据湖与数据仓库(Data Lake vs Data Warehouse)
#
5.12 将您的 Python 应用程序 Docker 化(Dockerize your Python Application)
#