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
数据科学工作流程概述
这部分内容有帮助吗？
- The Data Science Design Manual, Steven S. Skiena, 2017 (Springer) DOI: 10.1007/978-3-319-55444-0 - 数据科学方法论和实践方面的全面指南。
- Python for Data Analysis, Wes McKinney, 2022 (O'Reilly Media) - 一份使用Python和pandas进行数据获取、准备和探索性分析的实用资源。
- Data Mining: Concepts and Techniques, Jiawei Han, Micheline Kamber, and Jian Pei, 2011 (Morgan Kaufmann) DOI: 10.1016/C2009-0-61819-5 - 一本基础教材，详细介绍了数据挖掘过程，包括CRISP-DM等结构化方法。