數據科學基礎 ~課程共包含 7 個核心章節~整體分為 7 個部分。當前的想法是, 不管是零基礎的同學, 抑或是有一定程度基礎的同學, 要在半個月時長內, 嫻熟地掌握于算法層面以及數據分析面相應的熟練水平。利用大約十五天的時間, 去努力以二十三點四萬字數, 來熟悉Numpy的各類操作。等到那個時候, 跟隨著文檔大力地頻繁進行實際操作, 并且在后續的實踐當中, 當有問題的時候隨時去查看, 這一部分的內容能夠給予你最為巨大的幫助。具體細節給大家說明課程共包含 7 個核心章節。前三到兩部分著重關注基礎層面以及進階領域, 以此協助學習者去掌握變量這一能力, 還有數據結構這一能力, 以及操作條件循環的能力, 和掌握函數的能力, 和處理異常的能力, 以及輸入輸出的常用能力。第三章和第四章步入NumPy, 既有數組創建、索引, 另外切片、數據類型、變換以及組合的講解, 又有它在統計計算、時間序列、隨機模擬等場景當中的運用闡述。第五章將系統學習作為核心, 圍繞著數據清洗, 圍繞著篩選, 圍繞著聚合, 圍繞著重塑以及圍繞著時間序列來開展。第六章從認識基礎圖表開始, 不斷深入到多圖布局的探索進程里, 接著進到樣式調整的鉆研環節中, 最后進行案例繪圖的實踐操作, 以此來逐步建立清晰的圖表表達能力, 進而實現數據可視化的學習目標。第七章為學習者補足統計學方面的基礎內容, 助力其去領會均值, 方差, 分布, 相關性, 抽樣, 置信區間以及假設檢驗等諸多概念。這門課的核心目標在于, 使得你能夠獨立自主地完成一條基礎數據科學工作流, 即在拿到數據之后, 讀懂數據的結構, 運用相應工具清洗整理數據, 借助 NumPy 去完成必要的數值計算, 利用第三方模塊把關鍵結果進行可視化呈現, 而后按照統計學思維去判斷結論是否具備可靠性, 課程著重強調邊學習邊進行代碼敲寫, 邊觀看示例邊做出修改, 并非要求在一開始就記住所有的 API, 而是借助大量示例來構建“遇到問題清楚從哪著手”這樣一種能力。完成學業之后, 你將具備持續向機器學習之領域、數據分析項目之范疇、自動化報表之方面以及業務數據探索之方向深入學習的堅實根基。