vault backup: 2024-01-23 22:38:56
This commit is contained in:
@@ -2,12 +2,12 @@
|
||||
atlas: "[[Task Tracker]]"
|
||||
completed: 40
|
||||
created: 2023-07-08 03:18:59
|
||||
incomplete: 1640
|
||||
modified: 2024-01-23 18:38:53
|
||||
incomplete: 1960
|
||||
modified: 2024-01-23 22:33:49
|
||||
tags:
|
||||
- Task
|
||||
title: 全栈工程师
|
||||
total: 1680
|
||||
total: 2000
|
||||
---
|
||||
|
||||
# GitHub
|
||||
@@ -1405,38 +1405,536 @@ total: 1680
|
||||
|
||||
### 数据科学 Python 项目
|
||||
|
||||
#### Crowdsourcing Short Squeeze Dashboard
|
||||
|
||||
- [ ] 用于网络爬虫的 HTML
|
||||
- [ ] 网络爬虫
|
||||
|
||||
### 使用 Python 的数据科学数据库和 SQL
|
||||
|
||||
#### SQL 入门
|
||||
|
||||
- [ ] 课程介绍
|
||||
- [ ] 数据库简介
|
||||
- [ ] SELECT 语句
|
||||
- [ ] 计数、去重、限制
|
||||
- [ ] INSERT 语句
|
||||
- [ ] 更新和删除语句
|
||||
|
||||
#### 关系数据库和表格简介
|
||||
|
||||
- [ ] 关系数据库概念
|
||||
- [ ] SQL 语句类型（DDL 与 DML）
|
||||
- [ ] 创建表语句
|
||||
- [ ] 更改、删除和清空表
|
||||
- [ ] 如何在云上创建数据库实例
|
||||
|
||||
#### 中级 SQL
|
||||
|
||||
- [ ] 使用字符串模式和范围
|
||||
- [ ] 结果集排序
|
||||
- [ ] 分组结果集
|
||||
- [ ] 内置数据库函数
|
||||
- [ ] 内置日期和时间函数
|
||||
- [ ] 子查询和嵌套选择
|
||||
- [ ] 使用多个表格
|
||||
|
||||
#### 使用 Python 访问数据库
|
||||
|
||||
- [ ] 如何使用 Python 访问数据库
|
||||
- [ ] 使用 DB-API 编写代码
|
||||
- [ ] 使用 SQL Magic 访问数据库
|
||||
- [ ] 用 Python 分析数据
|
||||
- [ ] 使用 ibm_db API 连接数据库
|
||||
- [ ] 创建表格、加载数据和查询数据
|
||||
|
||||
#### 课程作业
|
||||
|
||||
- [ ] 使用真实世界数据集
|
||||
- [ ] 获取表和列详细信息
|
||||
|
||||
#### 数据工程师高级 SQL
|
||||
|
||||
- [ ] 视图
|
||||
- [ ] 存储过程
|
||||
- [ ] ACID 事务
|
||||
- [ ] 连接概述
|
||||
- [ ] 内连接
|
||||
- [ ] 外连接
|
||||
|
||||
### 使用 Python 进行数据分析
|
||||
|
||||
#### 导入数据集
|
||||
|
||||
- [ ] 课程介绍
|
||||
- [ ] 了解数据
|
||||
- [ ] 数据科学 Python 软件包
|
||||
- [ ] 用 Python 导入和导出数据
|
||||
- [ ] 开始用 Python 分析数据
|
||||
- [ ] 用 Python 访问数据库
|
||||
|
||||
#### 数据整理工具
|
||||
|
||||
- [ ] 用 Python 预处理数据
|
||||
- [ ] 在 Python 中处理缺失值
|
||||
- [ ] Python 中的数据格式化
|
||||
- [ ] Python 中的数据规范化
|
||||
- [ ] Python 中的分选
|
||||
- [ ] 用 Python 将分类变量转化为定量变量
|
||||
|
||||
#### 探索性数据分析
|
||||
|
||||
- [ ] 探索性数据分析
|
||||
- [ ] 描述性统计
|
||||
- [ ] Python 中的 GroupBy
|
||||
- [ ] 相关性
|
||||
- [ ] 相关性统计
|
||||
|
||||
#### 模型开发
|
||||
|
||||
- [ ] 模型开发
|
||||
- [ ] 线性回归和多重线性回归
|
||||
- [ ] 利用可视化技术进行模型评估
|
||||
- [ ] 多项式回归和管道
|
||||
- [ ] 抽样评估措施
|
||||
- [ ] 预测与决策
|
||||
|
||||
#### 模型评估与完善
|
||||
|
||||
- [ ] 模型评估与完善
|
||||
- [ ] 过拟合、欠拟合和模型选择
|
||||
- [ ] 岭回归
|
||||
- [ ] 网格搜索
|
||||
|
||||
### 使用 Python 进行数据可视化
|
||||
|
||||
#### 数据可视化工具介绍
|
||||
|
||||
- [ ] 欢迎
|
||||
- [ ] 数据可视化简介
|
||||
- [ ] Plots 类型
|
||||
- [ ] Plot 图书馆
|
||||
- [ ] Matplotlib 简介
|
||||
- [ ] 使用 Matplotlib 绘制基本图形
|
||||
- [ ] 加拿大移民数据集
|
||||
- [ ] 线性图
|
||||
|
||||
#### 基本和专用可视化工具
|
||||
|
||||
- [ ] 面积图
|
||||
- [ ] 直方图
|
||||
- [ ] 柱状图
|
||||
- [ ] 饼图
|
||||
- [ ] 箱线图
|
||||
- [ ] 散点图
|
||||
- [ ] 直接使用 Matplotlib 绘图
|
||||
|
||||
#### 高级可视化和地理空间数据
|
||||
|
||||
- [ ] 蜂窝图和词云
|
||||
- [ ] seaborn 和回归图
|
||||
- [ ] Folium 简介
|
||||
- [ ] 带标记的地图
|
||||
- [ ] 全景地图
|
||||
|
||||
#### 使用 Plotly 和 Dash 创建仪表盘
|
||||
|
||||
- [ ] 仪表板概述
|
||||
- [ ] Plotly 简介
|
||||
- [ ] Dash 简介
|
||||
- [ ] 制作交互式仪表盘
|
||||
- [ ] 了解实验室环境
|
||||
|
||||
### 结业项目
|
||||
|
||||
#### 展示研究成果
|
||||
|
||||
- [ ] 课程介绍
|
||||
- [ ] 成功数据结果报告的要素
|
||||
- [ ] 介绍研究结果的最佳做法
|
||||
|
||||
## IBM 数据科学
|
||||
|
||||
### 什么是数据科学
|
||||
|
||||
#### 定义数据科学和数据科学家的工作
|
||||
|
||||
- [ ] 课程介绍
|
||||
- [ ] 什么是数据科学？
|
||||
- [ ] 数据科学基础
|
||||
- [ ] 通往数据科学的多种途径
|
||||
- [ ] 给新数据科学家的建议
|
||||
- [ ] 课程摘要：定义数据科学
|
||||
- [ ] 数据科学家的一天
|
||||
- [ ] 数据科学技能与大数据
|
||||
- [ ] 了解不同类型的文件格式
|
||||
- [ ] 数据科学主题和算法
|
||||
- [ ] 课程总结：数据科学家做什么？
|
||||
|
||||
#### 数据科学主题
|
||||
|
||||
- [ ] 大数据如何推动数字化转型
|
||||
- [ ] 云计算简介
|
||||
- [ ] 数据科学云
|
||||
- [ ] 大数据基础
|
||||
- [ ] 数据科学与大数据
|
||||
- [ ] 什么是 Hadoop？
|
||||
- [ ] 大数据处理工具：Hadoop、HDFS、Hive 和 Spark
|
||||
- [ ] 课程摘要：大数据和数据挖掘
|
||||
- [ ] 人工智能和数据科学
|
||||
- [ ] 生成式人工智能和数据科学
|
||||
- [ ] 神经网络和深度学习
|
||||
- [ ] 机器学习的应用
|
||||
- [ ] 课程摘要：深度学习和机器学习
|
||||
|
||||
#### 数据科学的应用和职业
|
||||
|
||||
- [ ] 公司应如何开始数据科学？
|
||||
- [ ] 老问题，新数据科学解决方案
|
||||
- [ ] 数据科学的应用
|
||||
- [ ] 数据科学如何拯救生命
|
||||
- [ ] 课程摘要：数据科学应用领域
|
||||
- [ ] 如何成为数据科学家？
|
||||
- [ ] 数据科学招聘
|
||||
- [ ] 数据科学职业
|
||||
- [ ] 数学和统计学对数据科学的重要性
|
||||
- [ ] 课程摘要：数据科学的职业和招聘
|
||||
|
||||
#### 数据科学的数据知识
|
||||
|
||||
- [ ] 了解数据
|
||||
- [ ] 数据来源
|
||||
- [ ] 观点：处理各种数据源和数据类型
|
||||
- [ ] 课程总结：了解数据
|
||||
- [ ] 数据收集和组织
|
||||
- [ ] 关系型数据库管理系统
|
||||
- [ ] 非关系型数据库
|
||||
- [ ] 数据集市、数据湖、ETL 和数据管道
|
||||
- [ ] 观点：选择数据存储库的考虑因素
|
||||
- [ ] 数据集成平台
|
||||
- [ ] 课程摘要：欢迎学习数据素养
|
||||
|
||||
### 数据科学工具
|
||||
|
||||
#### 数据科学工具概述
|
||||
|
||||
- [ ] 课程介绍
|
||||
- [ ] 数据科学工具类别
|
||||
- [ ] 数据科学的开源工具（1）
|
||||
- [ ] 数据科学的开源工具（2）
|
||||
- [ ] 数据科学商业工具
|
||||
- [ ] 基于云的数据科学工具
|
||||
|
||||
#### 数据科学语言
|
||||
|
||||
- [ ] 数据科学语言
|
||||
- [ ] Python 简介
|
||||
- [ ] R 语言简介
|
||||
- [ ] SQL 简介
|
||||
- [ ] 数据科学的其他语言
|
||||
|
||||
#### 软件包、应用程序接口、数据集和模型
|
||||
|
||||
- [ ] 数据科学图书馆
|
||||
- [ ] 应用程序编程接口 (API)
|
||||
- [ ] 数据集：为数据科学提供动力
|
||||
- [ ] 共享企业数据：数据资产交换
|
||||
- [ ] 机器学习模型：从模型中学习进行预测
|
||||
- [ ] 示范资产交易所
|
||||
|
||||
#### Jupyter 笔记本和 JupyterLab
|
||||
|
||||
- [ ] Jupyter 笔记本简介
|
||||
- [ ] Jupyter 入门
|
||||
- [ ] Jupyter 内核
|
||||
- [ ] Jupyter 架构
|
||||
- [ ] 其他 Anaconda Jupyter 环境
|
||||
- [ ] 其他基于云的 Jupyter 环境
|
||||
|
||||
#### RStudio 和 GitHub
|
||||
|
||||
- [ ] R 和 RStudio 简介
|
||||
- [ ] RStudio 中的绘图
|
||||
- [ ] Git/GitHub 概述
|
||||
- [ ] GitHub 简介
|
||||
- [ ] GitHub 存储库
|
||||
- [ ] GitHub入门
|
||||
- [ ] GitHub使用分支
|
||||
|
||||
### 数据科学方法论
|
||||
|
||||
#### 从问题到方法、从需求到采集
|
||||
|
||||
- [ ] 课程介绍
|
||||
- [ ] 数据科学方法概述
|
||||
- [ ] 业务理解
|
||||
- [ ] 分析方法
|
||||
- [ ] 数据要求
|
||||
- [ ] 数据收集
|
||||
|
||||
#### 从了解到准备、从建模到评估
|
||||
|
||||
- [ ] 数据理解
|
||||
- [ ] 数据准备：概念
|
||||
- [ ] 数据准备：案例研究
|
||||
- [ ] 建模：概念
|
||||
- [ ] 建模：案例研究
|
||||
- [ ] 评估
|
||||
|
||||
#### 从部署到反馈和最终评估
|
||||
|
||||
- [ ] 部署
|
||||
- [ ] 反馈意见
|
||||
- [ ] 讲故事
|
||||
- [ ] 课程摘要
|
||||
|
||||
### 用于数据科学、人工智能和开发的 Python
|
||||
|
||||
#### Python 基础知识
|
||||
|
||||
- [ ] 类型
|
||||
- [ ] 表达式和变量
|
||||
- [ ] 字符串操作
|
||||
|
||||
#### Python 数据结构
|
||||
|
||||
- [ ] 列表和元组
|
||||
- [ ] 字典
|
||||
- [ ] 设置
|
||||
|
||||
#### Python 编程基础
|
||||
|
||||
- [ ] 条件和分支
|
||||
- [ ] 循环
|
||||
- [ ] 函数
|
||||
- [ ] 异常处理
|
||||
- [ ] 对象和类
|
||||
|
||||
#### 用 Python 处理数据
|
||||
|
||||
- [ ] 使用 "打开" 读取文件
|
||||
- [ ] 使用 "打开" 功能编写文件
|
||||
- [ ] 使用 Pandas 加载数据
|
||||
- [ ] Pandas 处理和保存数据
|
||||
- [ ] 一维 Numpy
|
||||
- [ ] 二维 Numpy
|
||||
|
||||
#### 应用程序接口和数据收集
|
||||
|
||||
- [ ] 简单的应用程序接口 (1)
|
||||
- [ ] 简单的应用程序接口 (2)
|
||||
- [ ] REST API 和 HTTP 请求 (1)
|
||||
- [ ] REST API 和 HTTP 请求 (2)
|
||||
- [ ] 用于网络爬虫的 HTML
|
||||
- [ ] 网络爬虫
|
||||
- [ ] 处理不同的文件格式（csv、xml、json、xlsx）
|
||||
|
||||
### 数据科学 Python 项目
|
||||
|
||||
#### Crowdsourcing Short Squeeze Dashboard
|
||||
|
||||
- [ ] 用于网络爬虫的 HTML
|
||||
- [ ] 网络爬虫
|
||||
|
||||
### 使用 Python 的数据科学数据库和 SQL
|
||||
|
||||
#### SQL 入门
|
||||
|
||||
- [ ] 课程介绍
|
||||
- [ ] 数据库简介
|
||||
- [ ] SELECT 语句
|
||||
- [ ] 计数、去重、限制
|
||||
- [ ] INSERT 语句
|
||||
- [ ] 更新和删除语句
|
||||
|
||||
#### 关系数据库和表格简介
|
||||
|
||||
- [ ] 关系数据库概念
|
||||
- [ ] SQL 语句类型（DDL 与 DML）
|
||||
- [ ] 创建表语句
|
||||
- [ ] 更改、删除和清空表
|
||||
- [ ] 如何在云上创建数据库实例
|
||||
|
||||
#### 中级 SQL
|
||||
|
||||
- [ ] 使用字符串模式和范围
|
||||
- [ ] 结果集排序
|
||||
- [ ] 分组结果集
|
||||
- [ ] 内置数据库函数
|
||||
- [ ] 内置日期和时间函数
|
||||
- [ ] 子查询和嵌套选择
|
||||
- [ ] 使用多个表格
|
||||
|
||||
#### 使用 Python 访问数据库
|
||||
|
||||
- [ ] 如何使用 Python 访问数据库
|
||||
- [ ] 使用 DB-API 编写代码
|
||||
- [ ] 使用 SQL Magic 访问数据库
|
||||
- [ ] 用 Python 分析数据
|
||||
- [ ] 使用 ibm_db API 连接数据库
|
||||
- [ ] 创建表格、加载数据和查询数据
|
||||
|
||||
#### 课程作业
|
||||
|
||||
- [ ] 使用真实世界数据集
|
||||
- [ ] 获取表和列详细信息
|
||||
|
||||
#### 数据工程师高级 SQL
|
||||
|
||||
- [ ] 视图
|
||||
- [ ] 存储过程
|
||||
- [ ] ACID 事务
|
||||
- [ ] 连接概述
|
||||
- [ ] 内连接
|
||||
- [ ] 外连接
|
||||
|
||||
### 使用 Python 进行数据分析
|
||||
|
||||
#### 导入数据集
|
||||
|
||||
- [ ] 课程介绍
|
||||
- [ ] 了解数据
|
||||
- [ ] 数据科学 Python 软件包
|
||||
- [ ] 用 Python 导入和导出数据
|
||||
- [ ] 开始用 Python 分析数据
|
||||
- [ ] 用 Python 访问数据库
|
||||
|
||||
#### 数据整理工具
|
||||
|
||||
- [ ] 用 Python 预处理数据
|
||||
- [ ] 在 Python 中处理缺失值
|
||||
- [ ] Python 中的数据格式化
|
||||
- [ ] Python 中的数据规范化
|
||||
- [ ] Python 中的分选
|
||||
- [ ] 用 Python 将分类变量转化为定量变量
|
||||
|
||||
#### 探索性数据分析
|
||||
|
||||
- [ ] 探索性数据分析
|
||||
- [ ] 描述性统计
|
||||
- [ ] Python 中的 GroupBy
|
||||
- [ ] 相关性
|
||||
- [ ] 相关性统计
|
||||
|
||||
#### 模型开发
|
||||
|
||||
- [ ] 模型开发
|
||||
- [ ] 线性回归和多重线性回归
|
||||
- [ ] 利用可视化技术进行模型评估
|
||||
- [ ] 多项式回归和管道
|
||||
- [ ] 抽样评估措施
|
||||
- [ ] 预测与决策
|
||||
|
||||
#### 模型评估与完善
|
||||
|
||||
- [ ] 模型评估与完善
|
||||
- [ ] 过拟合、欠拟合和模型选择
|
||||
- [ ] 岭回归
|
||||
- [ ] 网格搜索
|
||||
|
||||
### 使用 Python 进行数据可视化
|
||||
|
||||
#### 数据可视化工具介绍
|
||||
|
||||
- [ ] 欢迎
|
||||
- [ ] 数据可视化简介
|
||||
- [ ] Plots 类型
|
||||
- [ ] Plot 图书馆
|
||||
- [ ] Matplotlib 简介
|
||||
- [ ] 使用 Matplotlib 绘制基本图形
|
||||
- [ ] 加拿大移民数据集
|
||||
- [ ] 线性图
|
||||
|
||||
#### 基本和专用可视化工具
|
||||
|
||||
- [ ] 面积图
|
||||
- [ ] 直方图
|
||||
- [ ] 柱状图
|
||||
- [ ] 饼图
|
||||
- [ ] 箱线图
|
||||
- [ ] 散点图
|
||||
- [ ] 直接使用 Matplotlib 绘图
|
||||
|
||||
#### 高级可视化和地理空间数据
|
||||
|
||||
- [ ] 蜂窝图和词云
|
||||
- [ ] seaborn 和回归图
|
||||
- [ ] Folium 简介
|
||||
- [ ] 带标记的地图
|
||||
- [ ] 全景地图
|
||||
|
||||
#### 使用 Plotly 和 Dash 创建仪表盘
|
||||
|
||||
- [ ] 仪表板概述
|
||||
- [ ] Plotly 简介
|
||||
- [ ] Dash 简介
|
||||
- [ ] 制作交互式仪表盘
|
||||
- [ ] 了解实验室环境
|
||||
|
||||
### 使用 Python 进行机器学习
|
||||
|
||||
#### 机器学习入门
|
||||
|
||||
- [ ] 课程介绍
|
||||
- [ ] 欢迎
|
||||
- [ ] 机器学习入门
|
||||
- [ ] Python 机器学习
|
||||
- [ ] 监督与非监督
|
||||
|
||||
#### 回归
|
||||
|
||||
- [ ] 回归简介
|
||||
- [ ] 简单线性回归
|
||||
- [ ] 回归模型中的模型评估
|
||||
- [ ] 回归模型的评估指标
|
||||
- [ ] 多元线性回归
|
||||
|
||||
#### 分类
|
||||
|
||||
- [ ] 分类简介
|
||||
- [ ] K 近邻
|
||||
- [ ] 分类的评估指标
|
||||
- [ ] 决策树简介
|
||||
- [ ] 构建决策树
|
||||
|
||||
#### 线性分类
|
||||
|
||||
- [ ] 逻辑回归简介
|
||||
- [ ] 逻辑回归与线性回归
|
||||
- [ ] 逻辑回归的训练
|
||||
- [ ] 支持向量机
|
||||
|
||||
#### 聚类
|
||||
|
||||
- [ ] 聚类简介
|
||||
- [ ] K 均值简介
|
||||
- [ ] K 均值的更多内容
|
||||
|
||||
### 结业项目
|
||||
|
||||
#### 导言
|
||||
|
||||
- [ ] 项目设想和概述
|
||||
- [ ] 数据收集概述
|
||||
- [ ] 数据整理概述
|
||||
|
||||
#### 探索性数据分析
|
||||
|
||||
- [ ] 探索性数据分析概述
|
||||
|
||||
#### 交互式可视分析和仪表盘
|
||||
|
||||
- [ ] 交互式可视分析和仪表板
|
||||
|
||||
#### 预测分析
|
||||
|
||||
- [ ] 预测分析概述
|
||||
|
||||
#### 展示数据驱动的洞察力
|
||||
|
||||
- [ ] 成功数据结果报告的要素
|
||||
- [ ] 介绍研究结果的最佳做法
|
||||
|
||||
# 机器学习
|
||||
|
||||
## 有监督的机器学习：回归与分类
|
||||
|
||||
Reference in New Issue
Block a user