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
明确问题或疑问
这部分内容有帮助吗？
- CRISP-DM 1.0: Step-by-step data mining guide, Pete Chapman, Julian Clinton, Randy Kerber, Thomas Khabaza, Thomas Reinartz, Colin Shearer, Rüdiger Wirth, 2000 (The CRISP-DM Consortium) - 定义了数据挖掘的行业标准方法论，其“业务理解”阶段为项目目标和成功标准的定义奠定了基础。
- Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking (2nd Edition), Foster Provost, Tom Fawcett, 2013 (O'Reilly Media) - 此更新版强调为数据科学解决方案构建业务问题，并将业务目标转化为可操作的数据问题。
- Doing Data Science: Straight Talk from the Frontline, Rachel Schutt, Cathy O'Neil, 2013 (O'Reilly Media) - 提供了启动数据科学项目的实践视角，包括问题制定、与利益相关者合作以及解决目标定义中的挑战。