书：pan.baidu.com/s/1rOoEvizAhkQyF8xScVh51w?pwd=8onw
提取码：8onw
我的阅读笔记：
- Python基础：涵盖Python编程语言的核心概念和语法。
- 数据导入与导出：介绍如何使用Python读取和写入各种数据格式，如CSV、JSON、SQL数据库和Excel等。
- 数据处理：包括数据清洗、数据转换、数据重塑和数据聚合等任务。
- 数据可视化：使用Matplotlib、Seaborn等库进行数据可视化，包括绘制线图、散点图、柱状图、箱线图、热力图等。
- 统计学基础：涵盖描述性统计、概率分布、假设检验和回归分析等基本概念和方法。
- 机器学习基础：介绍常见的机器学习算法，如线性回归、逻辑回归、决策树、随机森林、支持向量机等，并使用Scikit-learn库进行实践。
- 数据探索与数据降维：讨论如何使用PCA（主成分分析）、t-SNE（t-分布邻域嵌入）等技术进行数据降维和可视化高维数据。
- 时间序列分析：讲解时间序列数据的处理、分析和可视化，包括日期和时间的处理、时间序列的平稳性检验、ARIMA模型等。
- 文本挖掘与自然语言处理：介绍文本数据的处理、特征提取和常见的自然语言处理任务，如文本分类、情感分析等。
- 大数据处理：讨论如何使用Dask、Pandas的并行计算能力处理大规模数据集。
- 数据库操作：介绍如何使用SQLAlchemy等库与关系型数据库进行交互。
- 数据科学项目流程：讲解数据科学项目的完整流程，包括数据收集、数据清洗、数据探索、模型构建、模型评估和结果解释等。
- 实践案例：通过多个实践案例，将理论知识与实际应用相结合，帮助读者更好地理解数据科学在实际问题中的应用。