# 1.Fundamentals

---

![](../../docs/img/1.Fundamentals.png)

---

# 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)