数据科学 这是一种使用kaggle数据和真实世界数据编写代码的实践。 逐步学习在python,R,Excel和Power BI中分析数据。 另外,要学习成为一名数据科学家,并在机器学习和深度学习中扩展更多的知识。 了解数据并分析数据。 先决条件 的Python 3.5 R 3.5.3 Excel 2016 Power BI :large_blue_diamond: 数据科学入门 :large_blue_diamond: :blue_circle: 循序渐进的数据科学 定义问题 数据采集 数据理解 数据分析/清洁 数据组织/转换 数据验证/异常检测 特征工程 模型训练 模型评估/验证 模型监控 模型部署 数据漂移/模型漂移 报告书 :blue_circle: 数据科学中的三种立场 数据工程师开发,构造,测试和维护诸如数据库和大规模处理系统之类的体系结构。 数据分析师 解释数据并将数据转换为信息,这些信息可以提供改善业务的方式。 收集来自各种来源的信息,理解模式和趋势。 机器学习科学家 研究开发算