整理 | 阿司匹林
出品 | 人工智能头条(公众号ID:AI_Thinker)
【导读】数据科学是一个非常热门的领域,为了帮助正在学习或者想要学习这门学科的读者,我们特意整理了一份学习资源清单,除了 Python、pandas、线性代数、机器学习等基础课程,以及一些数据可视化的教程资源之外,我们还列出了一些有关数据科学实例和案例研究的资源,帮助大家更好地练习和实践。
基础资源
How to launch your data science career (with Python):来自 Data School 数据科学学习“路线图”
http://www.dataschool.io/launch-your-data-science-career-with-python/
吴恩达的机器学习课程:
https://www.coursera.org/learn/machine-learning
一位学生整理的课程笔记:
http://www.holehouse.org/mlclass/
Andrej Karpathy 博客:专注于神经网络的机器学习博客
http://karpathy.github.io/
Practical Deep Learning for Coders:fast.ai 的免费课程
http://course.fast.ai/index.html
Linear algebra:MIT 的线性代数课程
https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/
Introduction to Computing using Python:乔治亚理工学院的 Python 基础课程
https://www.edx.org/course/introduction-computing-using-python-gtx-cs1301x
Microsoft Professional Program in AI:来自微软的 AI 课程
https://www.edx.org/microsoft-professional-program-artificial-intelligence
可视化资源
Python's Visualization Landscape:Jake VanderPlas 在 PyCon 2017 的讲话
https://www.youtube.com/watch?v=FytuB8nFHPQ
The Ultimate Python Seaborn Tutorial:使用 Pokemon 数据集
https://elitedatascience.com/python-seaborn-tutorial
Python Graph Gallery:用编程创建不同类型的图块
https://python-graph-gallery.com/
Python Plotting for Exploratory Data Analysis:使用多个 viz 库对 13 个不同的图进行编码
http://pythonplot.com/
Kaiser Fung's 关于可视化的博客
http://junkcharts.typepad.com/
数据科学实例和案例研究
Analyzing Data: What pandas and SQL Taught Me About Taking an Average:Alex Petralia 在 PyCon 2018 上的讲话
https://www.youtube.com/watch?v=DlgG0QdrqAU
Siraj Raval:YouTube上风格独特的一个教育频道
https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A
Machine Learning with Text in scikit-learn: Kevin Markham 在 PyCon 2016 上的演讲
https://www.youtube.com/watch?v=ZiKMIuYidY0&list=PL5-da3qGB5ICeMbQuqbbCOQWcS6OYBr5A&index=10
Kaggle Kernels:数据科学竞赛的代码
https://www.kaggle.com/kernels
Python Data Science Handbook:Jake VanderPlas 的书
https://jakevdp.github.io/PythonDataScienceHandbook/
pandas Q&A video series:30+ pandas 教学视频
https://www.youtube.com/playlist?list=PL5-da3qGB5ICCsgW1MxlZ0Hq8LL5U3u9y
其他资源
Think Stats: 用 Python 探索数据分析
http://greenteapress.com/wp/think-stats-2e/
Statistical Rethinking:
http://xcelab.net/rm/statistical-rethinking/
PyMC3 version of the code:
https://github.com/pymc-devs/resources/tree/master/Rethinking
参考链接:
https://docs.google.com/document/d/1dr4GvVtnOf60x1uj4PbYeoFDZMumzic11S_drqjlT08/edit
◆
精彩推荐
◆