贝叶斯数据分析中文版_数据分析学习规划

目录

1. 数据分析学习路径
2. 实战项目

---

一、学习路径

数据分析流程（按流程学习）

1.1 数据获取

• 提取已有数据

主要使用SQL对数据库数据进行按要求提取，然后导入分析软件。

涉及的基本操作：数据表的增删查改，最核心的是数据匹配（select、groupby、join）

简易教程：https://www.runoob.com/mysql/mysql-tutorial.html

推荐书目：《MySQL必知必会》（已阅）

SQL练习：

https://sqlzoo.net/wiki/SELECT_from_WORLD_Tutorial (sqlzoo练习)（已完成）

https://leetcode-cn.com/problems/swap-salary/ （leetcode练习)

• 获取外部数据集

对已有数据进行浏览下载，主要的数据源如下：

http://hao.199it.com/（91大数据）

• 网络爬虫获取外部数据

互联网上的信息潜藏着巨大价值，而这些价值往往不易挖掘，网络爬虫能够获取类型多样且数据量大的样本，帮助我们更好进行分析决策。

爬虫软件：

https://www.bazhuayu.com/（八爪鱼）

http://www.gooseeker.com/（集搜客）

利用python进行爬虫：

requests库（信息爬取）+beautifulsoup4库（信息解析）+re（辅助信息查找匹配）

教程：

https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/#id11（bs4库）

https://docs.python.org/zh-cn/3.7/howto/regex.html（正则表达式）

https://www.bilibili.com/video/av9784617?from=search&seid=16210003923248427122（简易爬虫视频教程）

小项目：中国大学排名以及道指股票信息爬取，源代码如下：

eliwchen/web-crawler​github.com

Python3爬虫三大案例实战分享 - 天善智能-商业智能和大数据在线社区，用心创造价值​edu.hellobi.com

1.2数据预处理

数据预处理的主要任务在于对以获取的数据进行清理（去重、缺失值处理、格式处理等），按照分析要求进行数据整合（添加行列、索引、切片、分组、数据透视等），主要的工具是Excel、python中的pandas库。

学习资料：pandas中文手册（简易版）https://www.pypandas.cn/docs/getting_started/10min.html#%E5%AF%B9%E8%B1%A1%E5%88%9B%E5%BB%BA

pandas中文手册（官方版本）：https://www.pypandas.cn/docs/

推荐书籍：利用Python进行数据分析 (豆瓣)（已阅）

pandas练习：https://github.com/guipsamora/pandas_exercises（已完成）

pandas练习源代码：

eliwchen/pandas_excercise​github.com

1.3数据建模与分析（机器学习）

• 基础知识（概率论与统计分析、数据结构与算法）

数据描述性统计（均值、方差、中位数、变量分布、假设检验）、重要概念是会描述性统计、假设检验、贝叶斯、极大似然法、回归（特别是广义线性回归）、主成分分析。

推荐书籍：《商务与经济统计学》、深入浅出统计学 (豆瓣)

数据结构与算法：慕课网《数据结构与算法python版》

书籍：《算法设计技巧与分析(中文版) 阿苏外耶 著》

数据结构与算法Python版_中国大学MOOC(慕课)​www.icourse163.org

• 机器学习算法

主要算法有分类（决策树、支持向量机、贝叶斯网络）、回归、关联规则、主成分分析等，使用的python库为sklearn：https://scikit-learn.org/stable/index.html

要求：机器学习会使用（调参+选模型+优化）

慕课网教程：《商务数据分析-机器学习》

商务数据分析_中国大学MOOC(慕课)​www.icourse163.org

推荐书籍：《机器学习实战》

1.4数据可视化

python中的seaborn库和matplolib库，如果习惯用Excel，那么power bi必不可少。

Microsoft Power BI 指导式学习 - Power BI​docs.microsoft.com

seaborn与matplotlib练习源代码：

eliwchen/pandas_excercise​github.com

senborn库主要用于探究变量关系

seaborn: statistical data visualization

https://www.matplotlib.org.cn/

二、实战项目（待练习）

DataCastle 为数据分析师专门定制的三个竞赛：

员工离职预测训练赛-竞赛信息-DC竞赛​www.pkbigdata.com

美国King County房价预测训练赛-竞赛信息-DC竞赛​www.pkbigdata.com

北京PM2.5浓度回归分析训练赛-竞赛信息-DC竞赛​www.dcjingsai.com

以及其他平台项目竞赛：

Datasets | Kaggle​www.kaggle.com 天池大数据众智平台-阿里云天池​tianchi.aliyun.com