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
可视化工具概览
这部分内容有帮助吗？
- Fundamentals of Data Visualization, Claus O. Wilke, 2019 (O'Reilly Media) - 提供有效数据可视化的原则，并讨论各种图表类型，为选择合适的工具提供参考。
- Python for Data Analysis, Wes McKinney, 2022 (O'Reilly Media) - 包含Matplotlib、Seaborn和Plotly的章节，展示了它们在数据分析流程中的应用。
- R for Data Science, Hadley Wickham and Garrett Grolemund, 2023 (O'Reilly Media) - Tidyverse的综合指南，详细介绍了ggplot2和图形语法。
- Plotly Python Open-Source Graphing Library Documentation, Plotly Technologies Inc., 2023 - 官方指南，用于使用Plotly（包括Plotly Express）创建交互式可视化。