GitHub項目幫你從頭開始學(xué)數(shù)據(jù)科學(xué)

這篇文章主要介紹“GitHub項目幫你從頭開始學(xué)數(shù)據(jù)科學(xué)”，在日常操作中，相信很多人在GitHub項目幫你從頭開始學(xué)數(shù)據(jù)科學(xué)問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”GitHub項目幫你從頭開始學(xué)數(shù)據(jù)科學(xué)”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

從頭開始學(xué)習(xí)數(shù)據(jù)科學(xué)的免費資源。

如何入門數(shù)據(jù)科學(xué)？

這個 GitHub 項目提供了一份免費學(xué)習(xí)資源，既包括超詳細的學(xué)習(xí)路線圖，又涵蓋多個免費線上課程、大量數(shù)據(jù)科學(xué)項目和 100 多本免費機器學(xué)習(xí)書籍，項目上線數(shù)天即獲得 2.4k 星。

該項目收集了散布在網(wǎng)絡(luò)上的不同資源，并按照一定的順序進行組合，以幫助數(shù)據(jù)科學(xué)初學(xué)者解決如何搜索免費和結(jié)構(gòu)化學(xué)習(xí)資源的問題。項目作者表示，該項目將基于新的免費資源持續(xù)更新。

數(shù)據(jù)科學(xué)家學(xué)習(xí)路線圖

「磨刀不誤砍柴工?！乖擁椖渴紫仍敿毥榻B了一份數(shù)據(jù)科學(xué)路線圖，羅列了數(shù)據(jù)科學(xué)學(xué)習(xí)者需要掌握的內(nèi)容：

基礎(chǔ)知識（矩陣和代數(shù)基礎(chǔ)等）；

統(tǒng)計學(xué)（概率論、貝葉斯定理等）；

編程；

機器學(xué)習(xí)；

文本挖掘 / 自然語言處理；

數(shù)據(jù)可視化；

大數(shù)據(jù)；

數(shù)據(jù)獲?。?/p>

數(shù)據(jù)再加工（Data Munging）；

工具箱。

成為數(shù)據(jù)科學(xué)家需要掌握的基礎(chǔ)知識

在成為數(shù)據(jù)科學(xué)家之前，你需要掌握關(guān)于矩陣的理論知識，了解其操作方式，熟悉矩陣的各種變換。項目作者還向我們介紹了多種數(shù)據(jù)結(jié)構(gòu)，包括哈希函數(shù)、二叉樹等。

以二叉樹為例，項目作者解釋了什么是二叉樹：「在計算機科學(xué)中，二叉樹是一種樹數(shù)據(jù)結(jié)構(gòu)，其中每個節(jié)點最多具有兩個子節(jié)點，稱為左子節(jié)點和右子節(jié)點?！?/p>

二叉樹

除了矩陣知識以外，數(shù)據(jù)科學(xué)初學(xué)者還需掌握關(guān)系代數(shù)、數(shù)據(jù)庫基礎(chǔ)知識、CAP 原理、ETL 等多達十多個知識點（有些部分還在更新中）。

統(tǒng)計學(xué)

該項目介紹了許多關(guān)于統(tǒng)計學(xué)的知識，包括數(shù)據(jù)集的選擇、描述性統(tǒng)計、探索性數(shù)據(jù)分析、直方圖、概率論、貝葉斯定理等內(nèi)容。

以探索性數(shù)據(jù)分析為例，項目作者從數(shù)據(jù)的可視化和分析兩方面著手，向我們介紹了完成整個數(shù)據(jù)分析任務(wù)需要的開發(fā)環(huán)境、依賴庫、安裝方式以及分析方式。

點擊 Seaborn 鏈接，可進入 Seaborn 主頁，該圖為鏈接到的主頁內(nèi)容。

在數(shù)據(jù)分析方面，項目作者介紹了 PCA 降維方法，幫助學(xué)習(xí)者了解什么是主成分分析，以及如何在 Python 中實現(xiàn)。

編程

成為數(shù)據(jù)科學(xué)家離不開編程，該項目介紹了需要掌握的編程語言 Python、R setup/R studio 等內(nèi)容。以 R setup / R studio 為例，項目作者介紹了兩種安裝方式 Linux、Windows。但是本部分內(nèi)容還有許多待補充知識。

待補充內(nèi)容

機器學(xué)習(xí)

該項目還列舉了掌握數(shù)據(jù)科學(xué)需要了解的機器學(xué)習(xí)知識，包括數(shù)值變量、分類變量、監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、訓(xùn)練集和測試集、分類器、過擬合、偏差和方差、支持向量機等 30 項內(nèi)容。

以支持向量機為例，項目作者首先介紹了支持向量機的作用——可用于分類和回歸任務(wù)，接著用簡單明了的語言解釋了支持向量機的原理。此外，項目作者還列舉了關(guān)于支持向量機的其他知識，讀者可通過鏈接自行學(xué)習(xí)。

支持向量機

除了上述介紹的內(nèi)容外，項目作者還整理了文本挖掘、數(shù)據(jù)可視化等內(nèi)容，此處不再贅述。

免費線上課程

該項目基于 GitHub 用戶 Developer-Y 的項目整理了大量線上免費課程的資源，包括人工智能、機器學(xué)習(xí)、機器人學(xué)三個主要部分。其中機器學(xué)習(xí)部分又細分為機器學(xué)習(xí)導(dǎo)論、數(shù)據(jù)挖掘、數(shù)據(jù)科學(xué)、概率圖模型、深度學(xué)習(xí)、強化學(xué)習(xí)、進階版機器學(xué)習(xí)課程、基于機器學(xué)習(xí)的自然語言處理與計算機視覺、時序分析、概率與統(tǒng)計學(xué)、線性代數(shù)等。

該項目提供的免費線上課程列表部分截圖。

從該項目列表中，我們可以看到熟悉的吳恩達機器學(xué)習(xí)課程，以及來自卡內(nèi)基梅隆大學(xué)、斯坦福大學(xué)、蘇黎世聯(lián)邦理工學(xué)院、加州大學(xué)伯克利分校、微軟等機構(gòu)的豐富課程資源。

人工智能開源項目

此外，該項目還羅列了大量人工智能開源項目，涵蓋機器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理、計算機視覺這些領(lǐng)域。

這一資源來自 AI 研究者、數(shù)據(jù)科學(xué)家 Ashish Patel 創(chuàng)建的 GitHub 庫，目前包含 71 個條目，點開鏈接即可獲取相應(yīng)的項目和代碼資源。

項目列表部分截圖。

從目前的列表中，我們可以看到它包括目標檢測、聊天機器人、GUI、無監(jiān)督學(xué)習(xí)、回歸分析、情感分析、推薦系統(tǒng)、數(shù)據(jù)科學(xué)、NLP、計算機視覺等細分領(lǐng)域的相關(guān)項目資源。蓋列表將持續(xù)更新。

100+ 免費機器學(xué)習(xí)書籍

項目作者整理了一份來自 Insane 的機器學(xué)習(xí)書籍列表文章。該列表在 2021 年 1 月份剛剛更新過，包括我們熟悉的「花書」《深度學(xué)習(xí)》，以及主題為圖算法、自然語言處理、數(shù)據(jù)挖掘、GAN、Python 等的書籍。

到此，關(guān)于“GitHub項目幫你從頭開始學(xué)數(shù)據(jù)科學(xué)”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注億速云網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>