数据科学
这是一种使用kaggle数据和真实世界数据编写代码的实践。 逐步学习在python，R，Excel和Power BI中分析数据。 另外，要学习成为一名数据科学家，并在机器学习和深度学习中扩展更多的知识。 了解数据并分析数据。
先决条件
的Python 3.5
R 3.5.3
Excel 2016
Power BI
:large_blue_diamond: 数据科学入门 :large_blue_diamond:
:blue_circle: 循序渐进的数据科学
定义问题
数据采集
数据理解
数据分析/清洁
数据组织/转换
数据验证/异常检测
特征工程
模型训练
模型评估/验证
模型监控
模型部署
数据漂移/模型漂移
报告书
:blue_circle: 数据科学中的三种立场
数据工程师开发，构造，测试和维护诸如数据库和大规模处理系统之类的体系结构。
数据分析师
解释数据并将数据转换为信息，这些信息可以提供改善业务的方式。
收集来自各种来源的信息，理解模式和趋势。
机器学习科学家
研究开发算
