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
第 1 章测验
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
第 2 章测验
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
第 3 章测验
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
第 4 章测验
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
第 5 章测验
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
第 6 章测验
识别潜在异常值
这部分内容有帮助吗？
- Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python, Peter Bruce, Andrew Bruce, Peter Gedeck, 2020 (O'Reilly Media) - 提供数据科学实用的统计方法，包括使用IQR和Z-分数进行异常值识别及其对分析的影响。
- An Introduction to Statistical Learning: With Applications in R, Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, 2013 Springer Texts in Statistics (Springer) DOI: 10.1007/978-1-4614-7138-7 - 一本经典教材，涵盖统计学习基本概念，包括数据准备和数据异常处理。
- Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking, Foster Provost, Tom Fawcett, 2013 (O'Reilly Media) - 从商业角度介绍数据科学，讨论数据质量问题（如异常值）及其与分析结果的相关性。
- Exploratory Data Analysis, John W. Tukey, 1977 (Addison-Wesley) - 一部奠基性著作，介绍了箱线图等图形技术，这是识别异常值的一个重要可视化方法。
© 2025 ApX Machine Learning用心打造