763
个编辑
更改
无编辑摘要
==编者推荐==
===书籍推荐===
[[File:RS.jpg|200px|thumb|right|《数据科学实战》封面]]
====[https://www.so.com/link?m=aOlClRiBzpq8C6zM5A%2FF%2B0z411qiMPZUdMgR7gc%2F7bea0O0uuC3a64CDkcsps1Hfffr47Gc9XTXk8R3CXfr528JES0qovuEuqYxn6mNzB7PiL3fyvClLnQ%2FW00zSk2Vfz6bA2R%2B6qx0LjcJXXZG7tLsboNubu7%2BqlByv4Mfrm1qRatv4ftHdRzblOxkhpTbhjQy8c8A%3D%3D 数据科学实战]====
该书籍界定了数据科学的研究范畴，是一本注重人文精神，多角度、全方位、深入介绍数据科学的实用指南，堪称大数据时代的实战宝典。本书旨在让读者能够举一反三地解决重要问题，内容包括：数据科学及工作流程、统计模型与机器学习算法、信息提取与统计变量创建、数据可视化与社交网络、预测模型与因果分析、数据预处理与工程方法。另外，本书还将带领读者展望数据科学未来的发展。
====[https://book.douban.com/subject/26741078/ 数据科学入门]====
本书从零开始讲解数据科学工作，教授数据科学工作所必需的黑客技能，并带领读者熟悉数据科学的核心知识——数学和统计学。作者选择了功能强大、简单易学的Python语言环境，亲手搭建工具和实现算法，并精心挑选了注释良好、简洁易读的实现范例。
===视频推荐===
====[https://www.bilibili.com/video/BV1s4411E7ix?from=search&seid=5942823506288211231 数据科学的数学基础]====
微积分、线性代数以及最优化理论基础是机器学习领域所需的基本数学理论。本视频主要介绍微积分理论中的一元微分学、一元积分学和多元微分学，线性代数中的线性方程组和矩阵的基本运算，以及最优化理论基础中的经典理论和算法。适合零基础或者需要回顾相关知识的同学观看。
===课程推荐===
[[File:SJ.jpg|200px|thumb|right|[https://campus.swarma.org/course/272 数据科学心法与机器学习实战]]]
====[https://campus.swarma.org/course/272 数据科学心法与机器学习实战]====
本课程是由具有16年数据科学工作经验的尹相志老师亲自教授的，以数据科学方法论与机器学习理论实践为主要内容的直播课程。主讲老师首先从“ 数据科学的方法论”入手，向大家介绍数据科学的概念及技巧，待学者逐步熟悉数据科学的基本原理后，引出分类问题，推估计问题，相似性问题这三种机器学习中最常见问题的解决方案。最后再以三个实际案例，“运营商通过数据设置留存客户的方法”，“基于大数据和深度学习的金融评级策略”，“产品内容推荐系统”，将数据科学的方法论与机器学习解决方案合并实战。
<br/>
----
----
本中文词条由[[用户:乐多多|乐多多]]、[[用户:厚朴|厚朴]]、[[用户:趣木木|趣木木]]用户参与编译，[[用户:苏格兰|苏格兰]]审校，[[用户:乐多多|乐多多]]编辑，欢迎在讨论页面留言。
本中文词条由[[用户:乐多多|乐多多]]、[[用户:厚朴|厚朴]]、[[用户:趣木木|趣木木]]用户参与编译，[[用户:苏格兰|苏格兰]]审校，[[用户:乐多多|乐多多]]编辑，欢迎在讨论页面留言。