数据科学、数据分析、人工智能、数学建模必备知识汇总-----主目录-----持续更新

本文相当于目录方便快速检索内容，没有实际内容，只做索引

新能源行业知识体系-------主目录-----持续更新https://blog.youkuaiyun.com/grd_java/article/details/140004020

一、Excel

https://blog.youkuaiyun.com/grd_java/article/details/140174090

1. 数据清洗
2. 软件操作技巧
3. 数据透视表
4. 图表

二、常用数据分析方法和思维模型

必会的数据分析法

1. 分布分析：https://blog.youkuaiyun.com/grd_java/article/details/144145684

研究数据的分布特征和分布类型，分定量数据、定性数据区分基本统计量

2. 对比分析：https://blog.youkuaiyun.com/grd_java/article/details/144190410

两个相互联系的指标进行比较

3. 统计分析：

统计指标对定量数据进行统计描述，场从集中趋势和离中趋势两个方面进行分析

4. 帕累托分析：

帕累托分析（贡献度分析）->帕累托法则：20/80定律

5. 正态性检验：

利用观测数据判断总体是否服从正态分布的检验称为正态性检验，是统计判决中重要的一种特殊的拟合优度假设检验

6. 相关性分析：https://blog.youkuaiyun.com/grd_java/article/details/144214174

分析连续变量之间的线性相关程度的强弱

分析法（分析工具，扩展知识，了解即可）https://blog.youkuaiyun.com/grd_java/article/details/140540141

1. 对比分析法
2. 分组分析法
3. 结构分析法
4. 交叉分析法
5. 矩阵分析法
6. 杜邦分析法
7. 漏斗图分析法

思维模型(了解即可)https://blog.youkuaiyun.com/grd_java/article/details/141159334

1. REST分析法
2. 4P营销理论
3. AARRR模型
4. 用户行为理论
5. 5W2H分析法
6. 逻辑树

三、Python和第三方库

0. Python基础

Python基础：https://blog.youkuaiyun.com/grd_java/article/details/109238647

0. Numpy

Numpy：https://blog.youkuaiyun.com/grd_java/article/details/143175054

0. pandas

pandas：https://blog.youkuaiyun.com/grd_java/article/details/143279731

0. matplotlib

matplotlib：https://blog.youkuaiyun.com/grd_java/article/details/144036532

0. fastAPI

fastAPI：https://blog.youkuaiyun.com/grd_java/article/details/148866508

四、Mysql

Mysql卸载与安装：https://blog.youkuaiyun.com/grd_java/article/details/105929442

Mysql语法:https://blog.youkuaiyun.com/grd_java/article/details/105747428

Mysql数据存储和优化：https://blog.youkuaiyun.com/grd_java/article/details/123033016

五、Python爬虫

https://blog.youkuaiyun.com/grd_java/article/details/140574349

六、数学

算法或理论	用到的数学知识点
贝叶斯分类器	随机变量，贝叶斯公式，随机变量独立性，正态分布，最大似然估计
决策树	概率，熵，Gini 系数
KNN算法	距离函数
主成分分析	协方差矩阵，散布矩阵，拉格朗日乘数法，特征值与特征向量
流形学习	流形，最优化，测地线，测地距离，图，特征值与特征向量
线性判别分析	散度矩阵，逆矩阵，拉格朗日乘数法，特征值与特征向最
支持向量机	点到平面的距离，Slater条件，强对偶，拉格朗日对偶，KKT条件，凸优化，核函数，Mercer条件
Logistic	概率，随机变量，最大似然估计，梯度下降法，凸优化，牛顿法
随机森林	抽样，方差
AdaBoost 算法	概率，随机变量，最大似然估计，梯度下降法，凸优化，牛顿法
隐马尔可夫模型	概率，离散型随机变量，条件概率，随机变量独立性，拉格朗日乘数法，最大似然估计
条件随机场	条件概率，数学期望，最大似然估计
高斯混合模型	正态分布，最大似然估计，Jensen不等式
人工神经网络	梯度下降法，链式法则
卷积神经网络	梯度下降法，链式法则
循环神经网络	梯度下降法，链式法则
生成对抗网络	梯度下降法，链式法则，极值定理，Kullback-Leibler散度，Jensen-Shannon散度，测地距离，条件分布，互信息
K-means算法	距离函数
贝叶斯网络	条件概率，贝叶斯公式，图
VC维	Hoeffding 不等式

微积分基础：https://blog.youkuaiyun.com/grd_java/article/details/144348388

线性代数：https://blog.youkuaiyun.com/grd_java/article/details/144374811

多元函数微分学：https://blog.youkuaiyun.com/grd_java/article/details/144389229

线性代数进阶：https://blog.youkuaiyun.com/grd_java/article/details/144393637

概率论：https://blog.youkuaiyun.com/grd_java/article/details/144426089

最优化：https://blog.youkuaiyun.com/grd_java/article/details/144442094

七、机器学习

https://blog.youkuaiyun.com/grd_java/article/details/144257225

特征工程和机器学习算法

七、深度学习

基础：https://blog.youkuaiyun.com/grd_java/article/details/143924745

介绍常用的算法模型，并为每个算法搭配难度适中的案例，包括：

1. 线性回归和梯度下降算法
2. 逻辑回归算法模型
3. 全连接神经网络
4. 卷积神经网络
5. 循环神经网络

八、数学建模

保证自己的python安装了如下模块

1. numpy安装命令：pip install numpy。Numpy是好用的数值计算第三方库，非常好用，但是如果需要深度学习的tensorflow包（或者scipy，scikit-learn，pandas），就无需额外安装这个，因为numpy是它们的基础库，以包含在内
   
2. scipy安装命令：pip install scipy。scipy是提供科学计算的第三方库，牛的很
   
3. pulp安装命令：pip install pulp
   
4. networkx安装命令：pip install networkx
   
5. pandas安装命令：pip install pandas。是数据分析的一个第三方库
   
6. matplotlib安装命令：pip install matplotlib。matplotlib是数据可视化的一个库，包括下面的seaborn也是
   
7. seaborn安装命令：pip install seaborn
   
8. scikit-learn是机器学习库，pip install scikit-learn
   
9. tensorflow是深度学习库（注意这个库有400多兆，相对来说真的很大，并且这个包含了numpy，如果要使用这个包，上面就不用安装numpy了），pip install tensorflow
   

评价模型：https://blog.youkuaiyun.com/grd_java/article/details/143140643