书：pan.baidu.com/s/1rOoEvizAhkQyF8xScVh51w?pwd=8onw
提取码：8onw
我的阅读笔记：
- Python基础：包括数据类型、控制流、函数、模块等基本概念。
- NumPy：用于高效数值计算的多维数组库。
- Pandas：提供数据结构和数据分析工具的库，用于数据清洗、转换、分析。
- Matplotlib：用于绘制静态、动态和交互式图表的库。
- Seaborn：基于Matplotlib的数据可视化库，提供更高级的界面和更多样化的样式。
- Scikit-learn：用于数据挖掘和数据分析的简单高效工具集。
- 数据清洗和预处理：包括缺失值处理、数据变换、特征工程等。
- 统计学基础：描述性统计、概率论、假设检验、回归分析等。
- 机器学习算法：包括分类、聚类、回归、降维、模型选择等算法。
- 深度学习基础：神经网络、卷积神经网络、循环神经网络等。
- 时间序列分析：处理和分析时间序列数据的方法。
- 文本挖掘与NLP：自然语言处理技术在文本数据中的应用。
- 数据可视化：包括图表、图形、地图等的绘制和解释。
- 数据库操作：使用SQL或Python库（如SQLite、PyMySQL、Psycopg2等）进行数据库操作。
- 大数据处理：使用Hadoop、Spark等工具处理大规模数据集。
- 算法复杂度分析：评估算法效率和性能的方法。
- 数据结构与算法：如链表、栈、队列、树、图等常见数据结构及其算法实现。
- Web数据挖掘：从网页中抓取和分析数据的技术。
- 数据科学工具与平台：如Jupyter Notebook、Google Colab等。
- 项目实战与案例分析：通过具体项目案例来实践和应用所学知识。