Robin的技术博客导航（2020）

写在前面

• 总目标
  总的目标是数据科学。

• 架构说明
  进行两个维度的划分：
  ① Python及 Python 库——机器学习/深度学习——实战应用
  ② 数据——方法/函数——知识

第一个维度是常规维度，顺着学习的过程，由浅到深，适合做记录和小结；
第二个维度偏向于本质，适合作总结和提炼。
（也可以暂时将第一个理解为机器学习，第二个理解为数据挖掘。）

- 参考
‘Python 进阶’思维导图
‘机器学习基础’思维导图

维度一：学习由浅到深

1. Python

包括 Python 编程、Python 库、Python数据结构与算法

1.1 Python 编程

• Python进阶之路

1.2 Python 常用库

• Numpy、Pandas、Matplotlib
  用一篇文章总结：matplotlib、Pandas、Seaborn 可视化

• Seaborn
  Seaborn 可视化·总章

2. 机器学习/深度学习（方法/算法）

2.1 算法/模型

• 机器学习算法/模型——总章

2.2 Python 与 机器学习/深度学习

• Sklearn
  Sklearn 学习笔记·总章
• Scipy

2.3 机器学习/深度学习 与应用

NLP

CV

• python 图像处理——图像读取方法总结

3. 数学知识

3.1 概率统计

本质＆框架
入门＆框架
入门＆知识 (1) 随机变量
入门＆知识 (2)多元随机变量
入门＆知识 (3) 单变量统计量期望和方差
入门＆知识 (4) 多变量统计量：协方差和相关系数
入门＆知识 (5) 极限思维：大数定理与中心极限定理
入门＆知识 (6) 两大学派和统计推断
入门＆知识 (7) 概率论的应用：随机过程、信息熵、图论
入门＆知识 (8) 分布和小结
入门＆知识 (9) 变量之间的关系描述

3.2 线性代数

3.3 高等数学

维度二：数据挖掘（目的/任务）

探索数据 ，并发现知识。
这个维度的思考是以数据为出发点，以（处理）数据为中心（其他都是操作数据的方法/进行数据运算的函数）。

1. 数据

Python数据分析——数据结构

1.2 数据处理

维规约

度量

2. 数据分析（观察）

参考小项目：
如何用数据分析方法剖析“猿辅导”K12课程
https://www.pmcaff.com/article/index/1400472289969280?redirect=1
PPT：猿辅导教育分析报告-知乎：木南.pdf

3. 数据挖掘（发现）

网课学习打卡

见博客栏目

优秀资源汇总

优秀连载参考