趋近智
数据科学导论
章节 1: 数据科学入门
数据科学的定义
数据科学的重要性
数据科学家的职责
必备技能概览
数据科学常用工具
章节 2: 认识数据基本知识
什么是数据？
结构化数据与非结构化数据
定量数据与定性数据
常见数据格式
理解数据属性和特征
元数据简介
章节 3: 数据科学流程
数据科学工作流程概述
明确问题或疑问
数据获取方法
数据准备概述
理解探索性数据分析
模型构建原理介绍
沟通发现
章节 4: 数据收集与准备
识别数据来源
导入数据
数据清洗简介
处理缺失值
识别潜在异常值
基本数据转换需求
动手实践：简单数据加载
章节 5: 进行基本数据分析
开始数据初步分析 (EDA)
计算汇总统计量
测量数据分散度
理解频率分布
区分相关性与因果关系
假设基本原理介绍
动手实践：计算基本统计量
章节 6: 数据可视化概览
数据可视化的目的
常见图表类型说明
选择合适的图表
有效可视化的原则
可视化工具概览
动手实践：制作基本图表
数据科学家的职责
这部分内容有帮助吗？
- The Data Scientist: The Sexiest Job of the 21st Century, Thomas H. Davenport, D. J. Patil, 2012 Harvard Business Review (Harvard Business Publishing) - 本文因推广“数据科学家”一词并阐述该角色的多学科技能及其影响而广受认可。
- Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking, Foster Provost, Tom Fawcett, 2013 (O'Reilly Media) - 本书提供了一个框架，说明数据科学原则如何应用于解决业务问题并提取价值。
- Python for Data Analysis, Wes McKinney, 2022 (O'Reilly Media) - 这本实用指南涵盖了使用Python进行数据操作、准备和基本分析的工具和技术。
- An Introduction to Statistical Learning: With Applications in Python, Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, and Jonathan Taylor, 2023 (Springer) DOI: 10.1007/978-3-031-38747-0 - 本书提供了现代数据分析和机器学习所需统计方法的易懂概述。
- Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, Aurélien Géron, 2022 (O'Reilly Media) - 本书提供了机器学习算法及其实现的实用介绍，这是数据分析和建模的核心部分。