kefandaoren/Obsidian

Fork 0

Files

kefandaoren 4069d60ddf vault backup: 2024-04-21 03:38:21

2024-04-21 03:38:22 +08:00

67 KiB

Raw Blame History

atlas, completed, created, incomplete, modified, tags, title, total

atlas

completed

created

incomplete

modified

GitHub

尚硅谷 git 快速入门

教程简介 ✅ 2023-09-14
为什么学习 Git 软件 ✅ 2023-09-14
版本控制 ✅ 2023-09-14
版本控制软件基础功能 ✅ 2023-09-14
集中式、分布式版本控制软件 ✅ 2023-09-14
Git 安装 ✅ 2023-09-20
GitHub Desktop - 介绍 ✅ 2023-09-20
GitHub Desktop - 仓库操作 ✅ 2023-09-20
GitHub Desktop - 文件操作 ✅ 2023-09-20
GitHub Desktop - 分支原理 ✅ 2023-09-20
GitHub Desktop - 分支操作 ✅ 2023-09-20
GitHub Desktop - 标签 ✅ 2023-09-20
GitHub Desktop - 远程仓库 GitHub ✅ 2023-09-20
GitHub Desktop - 远程仓库 Gitee ✅ 2023-09-20
GitHub Desktop - README, IGNORE ✅ 2023-09-20
GitHub Desktop - 文件图标和比对功能 ✅ 2023-09-20
IDEA 集成 - GitHub ✅ 2023-09-20
IDEA 集成 - Gitee ✅ 2023-09-20
版本号 - 介绍 ✅ 2023-09-20
版本号 - 文件操作 ✅ 2023-09-20
版本号 - 分支操作 ✅ 2023-09-20
命令 - 介绍 ✅ 2023-09-20
命令 - 仓库操作 ✅ 2023-09-20
命令 - 文件操作 ✅ 2023-09-20
命令 - 文件操作误删除 ✅ 2023-09-20
命令 - 分支操作 ✅ 2023-09-20
命令 - 分支操作合并和冲突 ✅ 2023-09-20
命令 - 标签操作 ✅ 2023-09-20
命令 - 远程仓库 ✅ 2023-09-20
搭建自己的代码托管平台 GitLab ✅ 2023-09-20
总结 ✅ 2023-09-20

韩顺平 GitHub 教程

课程内容 ✅ 2023-09-11
创建仓库 ✅ 2023-09-11
上传网站 ✅ 2023-09-11
顶级域名 ✅ 2023-09-11
项目结构 ✅ 2023-09-11
版本比较 ✅ 2023-09-11
issues pull action ✅ 2023-09-11
项目板 ✅ 2023-09-11
项目设置 ✅ 2023-09-11

Python

Python for everybody

人人都会编程

为什么要编程

欢迎来到 Python
为什么要编程
硬件概述
Python 作为一种语言
编写代码段落
演示：完成 "Hello World" 作业

变量和表达式

表达式（1）
表达式（2）
表达式（3）
练习

条件代码

条件语句
更多条件语句
练习

函数

使用函数
构造函数

循环与迭代

循环和迭代
确定循环
找出最大值
循环语句
练习

Python 数据结构

字符串

字符串
操作字符串
练习

文件

文件
处理文件
练习

列表

列表
操作列表
列表和字符串
练习

字典

字典
用字典计数
字典和文件
练习

元组

元组
练习

使用 Python 访问 Web 数据

正则表达式

正则表达式
提取数据

网络和套接字

网络化技术
超文本传输协议（HTTP）
示例：套接字
使用开发者控制台探索HTTP

网上冲浪程序

Unicode 字符和字符串
检索网页
示例：使用 Urllib
解析网页
示例：使用 beautifulsoap

网络服务和 XML

网络数据
可扩展标记语言（XML）
XML Schema
解析 XML
示例：XML

JSON 和 REST 架构

JavaScript 对象符号（JSON）
示例：JSON
面向服务法
面向服务的架构
使用应用程序接口
示例：GroJSON API
安全 API 请求
示例：Twitter API

使用 Python 操作数据库

面向对象的 Python

面向对象的定义和术语
我们的第一个类和对象
对象生命周期
对象继承

基础结构化查询语言

关系型数据库
使用数据库
单表 CRUD
示例：计算数据库中的电子邮件

数据模型和关系型 SQL

设计数据模型
用表格表示数据模型
插入管信息数据
使用 JOIN 重构数据
示例：Tracks.py

SQL 中的多对多关系

多对多关系
示例：roster.py
示例：Twfriends. py

数据库和可视化

地理编码
地理编码可视化
示例：地理数据

使用 Python 检索、处理和可视化数据

建立搜索引擎

网页排名概述
示例：网页排名-爬虫
示例：网页排名-计算
示例：网页排名-可视化

搜索和模拟电子邮件数据

Gmane 简介
示例：邮件检索
示例：邮件模型

电子邮件数据可视化

示例：邮件可视化

黑马程序员

初识 python ✅ 2024-04-20
什么是编程语言 ✅ 2024-04-20
Python 环境安装 ✅ 2024-04-20
第一个 Python 程序 - Hello World ✅ 2024-04-20
第一个 Python 程序 - 练习讲解 ✅ 2024-04-20
第一个 Python 程序 - 常见问题解答 ✅ 2024-04-20
Python 解释器 ✅ 2024-04-20
PyCharm 开发工具的安装和基础使用 ✅ 2024-04-20
PyCharm 的基础使用 ✅ 2024-04-20
第一章重点内容回顾 ✅ 2024-04-20
字面量 ✅ 2024-04-20
注释 ✅ 2024-04-20
变量 ✅ 2024-04-20
数据类型 ✅ 2024-04-20
数据类型转换 ✅ 2024-04-20
标识符 ✅ 2024-04-20
运算符 ✅ 2024-04-20
字符串的三种定义方式 ✅ 2024-04-20
字符串的拼接 ✅ 2024-04-20
字符串的格式化 ✅ 2024-04-20
字符串格式化的精度控制 ✅ 2024-04-20
字符串格式化的方式 2 ✅ 2024-04-20
对表达式进行格式化 ✅ 2024-04-20
字符串格式化练习题讲解 ✅ 2024-04-20
数据输入（input 语句） ✅ 2024-04-20
布尔类型和比较运算符
if 语句的基本格式
【案例】成年人判断讲解
if else 组合判断语句
【案例】我要买票吗讲解
if elif else 组合使用的语法
【案例】猜猜心里数字讲解
判断语句的嵌套
判断语句综合案例
while 循环的基础应用
【案例】求 1-100 的和讲解
while 循环猜数字案例
while 循环的嵌套应用
【案例】九九乘法表
for 循环的基础语法
【案例】数一数多少字母 a 详解
range 语句
for 循环临时变量作用域
for 循环的嵌套使用
for 循环打印九九乘法表
continue 和 break
循环综合案例
函数的初体验
函数的基础定义语法
函数基础定义练习案例
函数的传入参数
函数的参数练习案例
函数的返回值自定义语法
函数返回值之 None 类型
函数的说明文档
函数的嵌套调用
变量在函数中的作用域
函数综合案例
数据容器入门
列表的定义语法
列表的下标索引
列表的常用操作方法
列表的常用操作课后练习讲解
列表的循环遍历
元组的定义和操作
字符串的定义和操作
字符串的课后练习讲解
数据容器（序列）的切片
序列的切片课后练习讲解
集合的定义和操作
集合的课后练习
字典的定义
字典的常用操作
字典课后联系讲解
五类数据容器的总结对比
数据容器的通用操作
字符串大小比较的方式
函数的多返回值
函数的多种参数使用形式
函数作为参数传递
lambda 匿名函数
文件编码概念
文件的读取操作
文件读取的课后练习讲解
文件的写出操作
文件的追加写入操作
文件操作的综合案例
了解异常
异常的捕获
异常的传递性
模块的概念和导入
自定义模块并导入
自定义 Python 包
安装第三方包
异常、模块、包综合案例讲解
案例介绍
JSON 数据格式的转换
pyecharts 的入门使用
数据准备
生成折线图
数据可视化案例 - 地图
全国疫情地图构建
河南省疫情地图绘制
基础柱状图构建
基础时间线柱状图绘制
动态 GDP 柱状图绘制
初识对象
类的成员方法
类和对象
构造方法
魔术方法
封装
封装的课后练习题讲解
继承的基础语法
复写父类成员和调用父类成员
变量的类型注解
函数和方法类型注解
Union 联合类型注解
多态
数据分析案例步骤 1 文件读取
数据分析案例步骤 2 数据计算
数据分析案例步骤 3 可视化开发
SQL 章节前言
数据库介绍
MySQL 安装
MySQL 的入门使用
SQL 基础和 DDL
SQL - DQL - 基础查询
SQL - DQL - 分组聚合
SQL - DQL - 排序分页
Python 操作 MySQL 基础使用
Python 操作 MySQL 数据插入
综合案例
PySpark 实战前言介绍
基础准备
数据输入
数据计算 - map 方法
数据计算 - flatmap 方法
数据计算 - reducebykey 方法
数据计算 - 练习案例 1
数据计算 - filter 方法
数据计算 - distinct 方法
数据计算 - sortby 方法
数据计算 - 练习案例 2
数据输出 - 输出为 Python 对象
数据输出 - 输出到文件中
综合案例
大数据分布式集群运行综合案例代码
闭包
装饰器
设计模式 - 单例模式
设计模式 - 工厂模式
多线程并行执行概念
多线程编程
Socket 服务端开发
Socket 客户端开发
正则表达式 - 基础方法
正则表达式 - 元字符匹配
递归

爬虫

Genji

课程介绍
快速易懂 Python 入门
爬虫的流程？从入门到入狱？
什么是 HTTP 请求和相应？
如何用 Python Requests 发送请求
如何用 Python Requests 拿到豆瓣源码
什么是 HTML 网页结构
HTML 有哪些常见标签
练习 HTML 常见标签
如何用 Beautiful Soup 解析 HTML 内容
从源码获取豆瓣电影 TOP250
下一步是什么？

数据分析

Google 数据分析

基础：无处不在的数据

介绍数据分析和分析思维

欢迎
课程介绍
日常生活中的数据分析
数据分析的维度
什么是数据生态系统
数据如何帮助做出更好的决策
发现数据技能集
数据分析师的关键技能
关于分析思维
探索核心分析技能
数据驱动成功结果
见证数据魔术
接下来会发生什么

数据的精彩世界

了解数据阶段和工具
数据生命周期的各个阶段
六个数据分析阶段
数据分析过程示例
探索数据分析师工具

建立数据分析工具箱

核心数据工具的来龙去脉
让电子表格成为你的朋友
SQL 的实际应用
每天学习新技能都面临困难
成为数据可视化专家
数据可视化的力量

成为公平且有影响力的数据专家

言归正传
数据分析师的工作
成为数据分析师的道路
支持数据分析领域的职业发展
数据在商业中的力量
数据侦探
了解数据和公平
公平和合乎道德的数据决策
不同行业的数据分析师
面试最佳做法
课程小结

提出问题以做出数据驱动的决策

提出有效问题

解决问题和有效提问的入门
实际应用中的数据
数据处理流程
常见问题类型
继续探索业务应用
从假设到结果
明智的问题
数据开启大门

做出数据驱动的决策

数据和决策
数据如何赋能决策
定性和定量数据
分享您的发现
数据与指标
数学思维

电子表格的魔力

令人惊叹的电子表格
开始使用电子表格
基本电子表格任务
成功公式
函数 101
解决问题之前先理解它
工作范围和结构化思维
保持客观

永远记住利益相关者

与你的团队保持沟通
平衡团队的需求和期望
专注于重要的事情
清晰的沟通是关键
有效沟通技巧
在项目目标间平衡期望值和现实
如何与利益相关者沟通
数据权衡：速度与准确性
思考你的流程和产出
满足最佳实践
加入新团队
从冲突到合作
来自美国海军陆战队的数据分析
课程小结

为探索准备数据

数据类型和结构

数据探索入门
令人着迷的数据洞察力
我们世界的数据收集
确定要收集什么数据
探索数据格式
继续探索结构化数据
了解你正在使用的数据类型
数据表组件
满足宽表和长表

数据可靠性

偏见、可信度、隐私和道德入门
偏差：从问题到结论
有偏差和无偏差的数据
了解数据中的偏差
确定好的数据源
什么是坏数据
基本数据伦理
数据伦理的重要性
优先考虑数据隐私
合乎道德地使用数据
开放数据的特点
合乎道德的数据使用步骤

数据库要点

关于数据库的一切
数据库特性和组件
揭开元数据的神秘面纱
用元数据管理数据
元数据的乐趣
这么多地方可以找到数据
从电子表格和数据库导入数据
排序和过滤，以集中处理相关数据
了解 BigQuery，包括沙盒和计费选项
BigQuery 实际应用

整理和保护数据

对你的数据充满信心
让我们整理起来
电子表格中的安全功能

参与数据社区

管理您作为数据分析师的存在
为什么在线展示很重要
提升在线形象的技巧
网络知识
导师制的好处
导师是关键
课程小结

从脏数据到干净数据的处理

数据完整性的重要性

数据完整性入门
为什么数据完整性很重要
平衡目标与数据完整性
处理不足的数据
样本量的重要性
使用统计能力
确定最佳样本量
评估数据完整性

清洗数据以获得更准确的洞察力

清洗
为什么数据清洗至关重要
我喜欢清洗数据
识别并修复脏数据
数据清洗工具和技术
清洗来自多个来源的数据
电子表格中的数据清洗功能
优化数据清洗流程
不同的数据视角
更多数据清洗技术

使用 SQL 进行数据清洗

使用 SQL 进行数据清洗
对 SQL 的热爱
理解 SQL 的功能
电子表格与 SQL
广泛使用的 SQL 查询
体验 SQL 的乐趣
使用 SQL 清洗字符串变量
高级数据清洗函数（1）
高级数据清洗函数（2）

核实与报告清洁结果

核实与报告结果
确认数据清洗符合业务预期
核实数据清洗
捕捉清洗变化
为什么文档很重要
反馈和清洗

添加数据到你的简历中

关于数据分析师招聘流程
数据分析师职位申请
制作简历
使你的简历独一无二
黑人和非裔美国人融入数据行业
翻译过去的工作经验
我的数据分析师之路
你的兴趣在哪里
课程小结

分析数据回答问题

整理数据以进行更有效的分析

整理入门
分析过程
坚持不懈
总是需要整理
使用 SQL 筛选数据
对电子表格中的数据进行排序
在电子表格中使用排序函数
有意义的职业之旅
使用 SQL 排序数据

格式化和调整数据

数据格式化入门
从一种类型到另一种类型
数据验证
条件格式化
合并文本字符串以获得洞察力
电子表格中的字符串
当你陷入困境时
关于分析阶段的一切
遇到挑战不用担心
何时使用哪种工具

汇总分析数据

汇总数据进行分析
准备 VLOOKUP
VLOOKUP 的实际应用
识别并修复常见的 VLOOKUP 错误
探索 JOIN 的如何运作
嵌套查询
使用子查询汇总数据
数据分析带您去往何处

执行数据计算

数据计算
常用计算公式
函数和条件
复合函数
开始使用数据透视表
数据透视表续
查询与计算
在 SQL 中嵌入简单计算
与其他语句的计算
检查和重新检查
临时表
多表变体
课程小结

通过可视化艺术共享数据

数据可视化

数据洞察交流入门
数据可视化的力量
数据可视化为何重要
连接图像与数据
强大可视化的秘诀
动态可视化
艺术元素
数据可视化的影响
设计思维和可视化
无障碍可视化
让数据易于访问

使用 Tablesu 创建数据可视化

使用 Tablesu 进行数据可视化
Tableau Public 和其他在线工具
了解 Tableau
在 Tableau 中创建数据可视化
优化数据可视化的调色板
发挥创意
在 Tableau 中链接多个数据集

制作数据故事

制作数据故事
将想法变为现实
与观众交谈
数据新闻
Tableau 仪表盘基础知识
从过滤器到图表
引人入胜的演示技巧
分享叙述
如何应对冒名顶替综合症

制作演示文稿和幻灯片

把各种数据组合起来
使用框架进行演示
将数据融入演示中
新数据分析师的演示技能
杂乱无章的数据演示案例
良好的数据演示案例
行之有效的演示技巧
像专业人员一样演示
预测问题
处理异议
最佳问答技巧
成为数据翻译专家
课程小结

使用 R 编程进行数据分析

编程和数据分析

精彩编程世界入门
R 语言的乐趣
R 语言入门
编程语言
R 语言简介
RStudio 入门

使用 RStudio 编程

使用 RStudio 编程
编程基础
运算符和计算
源源不断的礼物
欢迎来到 tidyverse
有关 tidyverse 的更多信息
使用管道
编程技巧

用 R 处理数据

R 中的数据
R 数据框架
使用数据框架
清洗基础工作
整理你的数据
转换数据
相同数据不同结果
偏差函数

文档和报告

文档和报告
R Markdown 概述
在 RStudio 中使用 R Markdown
Markdown 文档结构
编程增强能力
更多文档元素
代码块
导出文档

结业项目

结业项目介绍

结业项目介绍
雇主寻找什么样的数据分析师
同类最佳

创建你的作品集

开始案例研究
分析案例研究的无限潜力
分享你的作品集

使用你的作品集

讨论你的作品集
情景视频：介绍
情景视频：案例研究
情景视频：解决问题
情景视频：谈判条款
向兽医提供建议

Google 高级数据分析

数据科学基础

数据科学概念入门

欢迎来到课程一
课程一介绍
欢迎来到模块一
探索你的数据工具箱
总结
带着好奇心探索你的数据职业生涯
准备第一次评估

当今数据的影响

欢迎来到模块二
创建数据驱动的商业解决方案
数据驱动型职业推动现代企业发展
非营利组织利用数据分析
数据职业所需的顶级技能
数据专业人员的重要伦理考虑因素
数据专业人员的职业空间
总结

作为数据专业人员的职业生涯

欢迎来到模块三
终生热爱数据
数据职业的未来
给求职者的建议
打造专业的在线形象
加强专业关系
为求职做好准备
突出技术和人员技能
总结

数据应用和工作流程

欢迎来到模块四
沟通在数据科学职业中的重要性
PACE 介绍
沟通的关键要素
沟通驱动 PACE
将 PACE 与即将到来的课程主题联系起来
总结

课程一结业项目

作品集的价值
课程一结业项目集介绍
结业项目总结和职业成功秘诀
总结

Python 入门

你好 Python

课程二介绍
欢迎来到模块一
我的数据职业之路
Python 入门
了解有关 Python 的更多信息
Jupyter Notebooks
面向对象编程
Python 如何助力我的数据科学生涯
变量和数据类型
创建精确的变量名
数据类型和转换
总结

函数和条件语句

欢迎来到模块二
应对学习代码时遇到的挑战的技巧
定义函数和返回值
编写简洁的代码
使用注释构建您的代码
使用运算符进行比较
使用 if、elif、else 语句进行决策
总结

循环和字符串

欢迎来到模块三
用分析思维解决问题
while 循环简介
for 循环简介
带有多个范围参数的循环
使用字符串
字符串切片
格式化字符串
总结

Python 中的数据结构

欢迎来到模块四
列表简介
修改列表内容
元组简介
更多有关循环、列表和元组的内容
字典简介
字典方法
集合简介
包的力量
NumPy 简介
基本数组操作
Pandas 简介
Pandas 基础
布尔屏蔽
分组和聚合
合并和连接数据
总结

课程二结业项目

欢迎来到模块五
课程二结业项目集介绍
结业项目总结和职业成功秘诀
总结

超越数字：将数据转化为洞察

使用数据查找和分享故事

欢迎来到课程三
障碍与成就
欢迎来到模块一
使用六种探索性数据分析实践寻找故事
数据科学和讲故事
将 PACE 和 EDA 实践相结合
数据可视化的 PACE
总结

探索原始数据

欢迎来到模块二
理解数据以驱动价值
数据来源
使用 Python 的基本数据函数进行电子数据处理
发现数据集中的缺失之处
使用 Python 进行日期字符串操作
使用结构化方法在数据集中建立顺序
使用 Python 构建 EDA 结构
总结

清洗你的数据

欢迎来到模块三
处理缺失数据的方法
在 Python 笔记本中处理缺失数据
数据专家的一天
考虑异常值
用 Python 识别和处理异常值
数字与名称排序
Python 中的标签编码
输入验证的价值
使用 Python 验证输入
总结

数据可视化与演示

欢迎来到模块四
可视化生命周期
使用 Tableau（1）
使用 Tableau（2）
探索数据的可能性
使用 Tableau 制作引人入胜的故事
使用 Tableau 进行专业演示
总结

课程三结业项目

欢迎来到模块五
课程三结业项目集介绍
结业项目总结和职业成功秘诀
总结

统计的力量

统计入门

欢迎来到课程四
参与和联系
欢迎来到模块一
统计在数据科学中的作用
实际中的统计：A/B 测试
描述统计与推断统计
中心倾向测量法
离散度测量法
位置测量法
统计是数据驱动型解决方案的基础
用 Python 计算描述统计数据
总结

可能性

欢迎来到模块二
客观概率与主观概率
概率原理
概率和事件的基本规则
条件概率
探索贝叶斯定理
贝叶斯定理的扩展版
概率分布简介
二项分布
泊松分布
正态分布
使用 z 分数对数据进行标准化
用 Python 处理概率分布
总结

抽样

欢迎来到模块三
重视每个人的贡献
抽样简介
抽样流程
比较抽样方法
抽样偏差的影响
抽样如何影响你的数据
中心极限定理
比例的抽样分布
用 Python 对分布进行抽样
总结

置信区间

欢迎来到模块四
置信区间简介
解释置信区间
构建比例的置信区间
构建均值的置信区间
使用 Python 的置信区间
总结

假设检验简介

欢迎来到模块五
在瞬息万变的数据领域不断学习
假设检验简介
均值单样本检验
双样本测试：均值
双样本测试：比例
使用 Python 进行假设检验
总结

课程四结业项目

欢迎来到模块六
向潜在雇主展示你的才能
课程四结业项目集介绍
总结

回归分析：简化复杂的数据关系

复杂数据关系简介

欢迎来到课程五
利用回归模型获得可执行的洞察力
欢迎来到模块一
回归分析中的 PACE
线性回归简介
数学线性回归
逻辑回归简介
总结

简单线性回归

欢迎来到模块二
导师的惊人价值
普通最小二乘估计
进行线性回归假设
用 Python 探索线性回归
评估回归分析中的不确定性
模型评估指标
解释并展示线性回归结果
总结

多元线性回归

欢迎来到模块三
多元回归简介
表示分类变量
利用多重线性回归进行假设
解释多元回归系数
用 Python 解释多元回归结果
过拟合问题
顶级变量选择方法
正则化：Lasso、Ridge 和弹性网回归
总结

高级假设检验

欢迎来到模块四
卡方假设检验
方差分析简介
用 Python 探索单因子与双因子方差分析测试
用 Python 进行协方差事后分析
在你职业生涯的每个阶段进行探索
协方差分析
更多因变量：多元方差分析和多变量协方差分析
总结

逻辑回归

欢迎来到模块五
为你的数据找到最佳逻辑回归模型
用 Python 构建逻辑回归模型
评估二项式逻辑回归模型
评估逻辑回归结果的关键指标
解释逻辑回归的结果
用回归模型回答问题
总结

课程五结业项目

欢迎来到模块六
共享模型和建模技术的策略
课程五结业项目集介绍
结业项目总结和职业成功秘诀
总结

机器学习的基础知识

不同类型的机器学习

欢迎来到课程六
用数据取悦他人
欢迎来到模块一
机器学习的主要类型
确定特征何时为无限
分类特征和分类模型
利用推荐系统引导用户兴趣
机器学习中的公平与公正
建立道德模型
用于机器学习的 Python
不同类型的 Python IDE
关于 Python 软件包的更多信息
回答编程问题的资源
你的机器学习团队
与数据专业社区建立联系
总结

构建复杂模型的工作流程

欢迎来到模块二
机器学习中的 PACE
规划一个机器学习项目
克服挑战并从错误中学习
为机器学习模型分析数据
特征工程简介
解决数据集不平衡带来的问题
特征工程和类平衡
朴素贝叶斯简介
用 Python 构建朴素贝叶斯模型
分类模型的主要评估指标
总结

无监督学习技术

欢迎来到模块三
K 均值简介
使用 Python 对颜色进行 K 均值压缩
表示 K 均值聚类的关键指标
惯性和轮廓系数指标
用 Python 应用惯性和轮廓分数
总结

基于树的模型

欢迎来到模块四
基于树的模型
用 Python 构建决策树
调整决策树
使用验证功能验证性能
使用 Python 调整和验证决策树
引导聚合
探索随机森林
调整随机森林
用 Python 构建并交叉验证随机森林模型
使用验证数据集构建并验证随机森林模型
自适应增强简介
梯度提升机
调整梯度提升机模型
使用 Python 构建极端梯度提升模型
总结

课程六结业项目

欢迎来到模块五
用你独特的解决方案给面试官留下深刻印象
课程六结业项目集介绍
结业项目总结和职业成功秘诀
总结

结业项目

结业项目介绍

欢迎来到课程七
期望在结业项目中获得什么
结业项目总结和职业成功秘诀

以数据为中心的职业资源

数据专业人员招聘流程
将项目工作纳入你的数据分析集
完善简历
制作一份引人注目的简历
准备面试
数据职业生涯可以从任何地方开始
为什么在线展示很重要
提升在线形象的技巧
制作一份引人注目的简历
让你的简历独一无二

让你的高级数据分析证书发挥作用

恭喜您完成 Google 高级数据分析证书
探索职业机会

IBM 数据分析师

数据分析入门

什么是数据分析

课程介绍
现代数据生态系统
数据生态系统中的主要参与者
定义数据分析
观点：什么是数据分析？
数据分析师的职责
观点：成为数据分析师的素质和技能
数据分析师的一天
观点：数据分析的应用

数据生态系统

数据分析师生态系统概述
数据类型
了解不同类型的文件格式
数据来源
数据专业人员使用的语言
数据存储库概述
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
大数据基础
大数据处理工具

收集和整理数据

确定分析数据
数据来源
如何收集和导入数据
什么是数据整理？
数据整理工具
数据清理
观点：数据准备和可靠性

数据挖掘和可视化以及结果交流

统计分析概述
什么是数据挖掘？
数据挖掘工具
交流和共享数据分析结果概述
观点：在数据分析中讲故事
数据可视化入门
可视化和仪表板软件简介
观点可视化工具

职业机会和数据分析实践

数据分析领域的就业机会
观点：进入数据行业
观点：雇主对数据分析师有何要求？
数据分析的多种途径
观点：数据专业人员的职业选择
观点：给有抱负的数据分析师的建议
观点：数据专业中的女性

数据分析 Excel 基础

使用电子表格进行数据分析入门

课程介绍
电子表格入门
电子表格基础知识（1）
电子表格基础知识（2）
观点：将电子表格用作数据分析工具

开始使用 Excel 速成表

查看、输入和编辑数据
复制、填充和格式化单元格和数据
公式基础
函数入门
在公式中引用数据

使用电子表格清洗和整理数据

数据质量简介
导入文件数据
数据隐私基础知识
观点：数据质量与隐私
删除重复或不准确的数据和空行
处理数据中的不一致之处
清理数据的更多 Excel 功能
观点：数据质量问题

使用电子表格分析数据

使用电子表格分析数据入门
在 Excel 中筛选和排序数据
观点：筛选和排序
数据分析的实用功能
使用 VLOOKUP 和 HLOOKUP 函数
在 Excel 中创建数据透视表简介
观点：透视表
透视表功能

使用 Excel 和 Cognos 实现数据可视化和仪表盘

使用电子表格实现数据可视化

课程介绍
图表简介
访谈：使用可视化技术讲述数据故事
在 Excel 中创建基本图表（折线图、饼图和柱状图）
使用 Excel PivotChart 功能

使用电子表格创建可视化和仪表盘

创建树状图、散点图和直方图
创建填充式地图图表和标示线
仪表板简介
访谈：使用仪表盘展示数据结果
使用 Excel 创建一个简单的仪表盘

使用 Cognos Analytics 创建可视化和仪表盘

Cognos Analytics：简介和如何注册
在 Cognos Analytics 中导航
在 Cognos Analytics 中创建简单仪表盘
Cognos 分析仪表盘的高级功能

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

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

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

机器学习入门

课程介绍
机器学习应用
机器学习定义
监督学习（1）
监督学习（2）
无监督学习（1）
无监督学习（2）
Jupyter notebooks
线性回归模型（1）
线性回归模型（2）
代价函数公式
理解代价函数
可视化代价函数
可视化举例
梯度下降
梯度下降的实现
理解梯度下降
学习率
用于线性回归的梯度下降法
运行梯度下降

多元线性回归

多维特征
向量化（1）
向量化（2）
用于多元线性回归的梯度下降法
特征缩放（1）
特征缩放（2）
判断梯度下降是否收敛
如何设置学习率
特征工程
多项式回归

高级学习算法

神经网络

欢迎
神经元和大脑
需求预测
示例：图像感知
神经网络层
更复杂的神经网络
神经网络向前传播
如何用代码实现推理
Tensorflow 中数据形式
搭建一个神经网络
单个网络层上的前向传播
前向传播的一般实现
强人工智能
神经网络为何如此高效
矩阵乘法
矩阵乘法规则
矩阵乘法代码

神经网络训练

Tensorflow 实现
模型训练细节
Sigmoid 激活函数的替代方案
如何选择激活函数
为什么模型需要激活函数
多分类问题
Softmax
神经网络的 Softmax 输出
Softmax 的改进实现
多个输出的分类
高级优化方法
其它的网络层类型
什么是导数
计算图
大型神经网络案例

应用机器学习的建议

决定下一步做什么
模型评估
模型选择和交叉验证测试集的训练方法
通过偏差与方法进行诊断
正则化、偏差、方差
指定一个用于性能评估的基准
学习曲线
决定下一步做什么
方差与偏差
机器学习开发的迭代
误差分析
添加更多数据
迁移学习 - 使用其他任务中的数据
机器学习项目的完整周期
公平、偏见与伦理
倾斜数据集的误差指标
精确率与召回率的权衡

决策树

决策树模型
学习过程
纯度
选择拆分信息增益
整合
独热编码 One-hot
连续有价值的功能
回归树
使用多个决策树
有放回抽样
随机森林
XGBoost
何时使用决策树

无监督学习、推荐器、强化学习

无监督学习

欢迎
什么是聚类
K-means 直观理解
K-means 算法
优化目标
初始化 K-means
选择聚类数量
发现异常事件
高斯正态分布
异常检测算法
开发与评估异常检测系统
异常检测与监督学习对比
选择使用什么特征

强化学习

什么是强化学习
示例：火星探测器
强化学习的回报
决策：强化学习的策略
审查关键概念
动作价值函数定义
动作价值函数示例
贝尔曼方程
random stochastic environment
示例：连续状态空间应用
登月器
学习状态值函数
改进的神经网络架构
ϵ贪婪策略
小批量和软更新
强化学习的状态
课程总结和致谢
吴恩达和切尔西芬谈人工智能和机器人技术

深度学习

神经网络和深度学习

深度学习简介

欢迎
什么是神经网络
用神经网络进行监督学习
为什么深度学习会兴起
关于这门课
杰弗里辛顿访谈
课程资源

神经网络基础知识

二分类
logistic 回归
logistic 回归成本函数
梯度下降法
导数
更多导数的例子
计算图
使用计算图求导
logistic 回归中的梯度下降
m 个样本的梯度下降
向量化
向量化的更多例子
向量化 logistic 回归
向量化 logistic 回归的梯度输出
Python 中的广播
关于 Python_numpy 向量的说明
Jupyter_ipython 笔记本的快速指南
logistic 成本函数的解释
彼得阿贝尔访谈

浅层神经网络

神经网络概览
神经网络表示
计算神经网络的输出
多个样本的向量化
向量化实现的解释
激活函数
为什么需要非线性激活函数
激活函数的导数
神经网络的梯度下降法
直观理解反向传播
随机初始化
伊恩古德费洛访谈

深度神经网络

深层神经网络
前向和反向传播
深层网络中的前向传播
正确设置矩阵维度
为什么使用深层表示
搭建深层神经网络块
参数 VS 超参数
这和大脑有什么关系

改进深度神经网络：超参数调整、正则化和优化

深度学习的实践方面

训练集 / 开发集 / 测试集
偏差 / 方差
机器学习基础
正则化
为什么正则化能减少过拟合
Dropout 正则化
理解 Dropout
其他正则化方法
输入规范化
梯度消失与梯度爆炸
神经网络的权重初始化
梯度的数值近似
梯度检验
关于梯度检验实现的注记
约书亚本吉奥访谈

优化算法

小批量梯度下降法
理解小批量梯度下降法
指数加权平均
理解指数加权平均
指数加权平均的偏差校正
动量梯度下降法
RMSprop
Adam 优化算法
学习率衰减
局部最优的问题
林元庆访谈

超参数调优、正则化和编程框架

调优过程
使用适当的量级来选取超参数
超参数调优的实践：Pandas VS Caviar
正则化网络的激活函数
将 Batch Norm 拟合进神经网络
Batch Norm 为什么奏效
测试时的 Batch Norm
Softmax 回归
训练一个 Softmax 分类器
深度学习框架
TensorFlow

构建机器学习项目

ML 策略

为什么要制定 ML 策略
正交化
单一评估指标
满足要求和优化指标
训练集 / 开发集 / 测试集的分布
开发集和测试集的大小
什么时候该更改开发集 / 测试集和指标
为什么需要人类水平的性能
可避免偏差
理解人类水平的性能
超过人类水平的性能
提高模型性能
安德烈卡尔帕斯访谈
进行误差分析
清除标注错误的数据
快速搭建你的第一个系统并进行迭代
在不同的划分上进行训练并测试
不匹配数据划分的偏差和方差
解决数据不匹配
迁移学习
多任务学习
什么是端到端的深度学习
是否要使用端到端的深度学习
鲁斯兰萨拉胡季诺夫访谈

卷积神经网络

卷积神经网络基础

计算机视觉
边缘检测示例
更多边缘检测内容
填充
卷积步长
三维卷积
单层卷积网络
简单卷积网络示例
池化层
卷积神经网络示例
为什么使用卷积
Yann LeCun 访谈

深度卷积模型：案例研究

为什么要进行案例研究
经典网络
残差网络
残差网络为什么有用
网络中的网络以及 1x1 卷积
谷歌 Inception 网络简介
Inception 网络
使用开源的实现方案
迁移学习
数据扩充
计算机视觉现状

物体检测

目标定位
特征点检测
物体检测
卷积的滑动窗口实现
边界框预测
交并比
非极大值抑制
Anchor Boxes
YOLO 算法
候选区域
利用 U-Net 进行语义分割
移调卷积
U-Net 架构直观理解
U-Net 架构

特殊应用：人脸识别与神经风格转换

什么是人脸识别
One-Shot 学习
Siamese 网络
Triplet 损失
人脸识别与二分类
什么是神经风格转换
什么是深度卷积网络
代价函数
内容代价函数
风格 / 代价 / 功能
一维到三维推广

序列模型

递归神经网络

为什么选择序列模型
数学符号
循环神经网络
通过时间的反向传播
不同类型的循环神经网络
语言模型和序列生成
新序列采样
带有循环神经网络的梯度消失
GRU 单元
长短期记忆
双向循环神经网络
深层循环神经网络

自然语言处理与单词嵌入

词汇表征
使用词嵌入
词嵌入的特性
嵌入矩阵
学习词嵌入
Word2Vec
负采样
GloVe 词向量
情绪分类
词嵌入除偏

序列模型和注意机制

基础模型
选择最可能的句子
定向搜索
改进定向搜索
定向搜索的误差分析
Bleu 得分
注意力模型直观理解
注意力模型
语音辨识
触发词检测

Transformer 神经网络

Transformer 神经网络直观理解
Self Attention
Multi-Head Attention
Transformer 神经网络
结论和致谢

Linux

韩顺平

课程内容
应用领域
概述
Linux 与 Unix
VMware 安装
CentOS 安装
网络连接的三种方式
虚拟机克隆
虚拟机快照
虚拟机迁移删除
VMtools
目录结构介绍
目录结构详解
远程登陆
远程文件传输
vim 快速入门
vim 快捷键
vim 内容梳理
关机重启
登陆注销
用户管理（1）
用户管理（2）
用户管理（3）
用户管理（4）
运行级别
找回 root 密码
帮助指令
文件目录指令（1）
文件目录指令（2）
文件目录指令（3）
文件目录指令（4）
文件目录指令（5）
文件目录指令（6）
时间日期指令
查找指令（1）
查找指令（2）
压缩和解压（1）
压缩和解压（2）
实用指令小结
Linux 组的介绍
所有者
所在组
修改所在组
rwx 权限
权限说明案例
修改权限
修改所有者和所在组
权限管理应用实例（1）
权限管理应用实例（2）
权限管理应用实例（3）
权限管理应用实例（4）
crond 快速入门
crond 时间规则
crond 应用实例
at 任务调度机制
at 任务调度实例
任务调度小结
磁盘分区机制
增加磁盘应用实例
磁盘情况查询
磁盘实用指令
磁盘分区挂载小结
NAT 网络原理图
网络配置指令
网络配置实例
主机名和 hosts 映射
网络配置小结
进程基本介绍
ps 指令详解
父子进程
终止进程
pstree 指令
服务管理（1）
服务管理（2）
服务管理（3）
服务管理（4）
服务管理（5）
动态监控系统（1）
动态监控系统（2）
监控网络状态
进程管理小结
rpm 管理（1）
rpm 管理（2）
yum
软件包管理小结
安装配置 JDK 8
安装配置 tomcat8
安装配置 IDEA
安装配置 MySQL
小结
shell 编程快速入门
shell 变量
设置环境变量
设置参数变量
预定义变量
运算符
条件判断
单分支多分支
case 语句
for 循环
while 循环
read 获取输入
系统函数
自定义函数
定时备份数据库（1）
定时备份数据库（2）
shell 编程笔记梳理
Ubuntu 安装
Ubuntu 的中文支持
Ubuntu 的 root
hello python
APT 原理机制图
APT 更新源和实例
Ubuntu 远程登录和集群
python 定制篇梳理
CentOS 安装和介绍
日志介绍和实例
日志服务原理图
日志服务配置文件
自定义日志服务
日志轮替介绍
自定义日志轮替
日志轮替机制
内存日志
日志管理笔记梳理
定制自己的 Linux（1）
定制自己的 Linux（2）
定制自己的 Linux（3）
阅读 Linux 内核源码好处
阅读 Linux 内核源码技巧
内核源码阅读及 main
内核升级
备份与恢复介绍
数据备份 dump
数据恢复 restore
数据备份恢复梳理
webmin 安装和配置
webmin 功能演示
宝塔介绍和安装
宝塔应用实例
可视化管理小结
统计访问量和连接数
找回 MySQL 的 root 密码
访问量排名和 tcpdump
系统权限划分（1）
系统权限划分（2）
权限思考题
CentOS 启动流程详解
I/O 读写监控
统计文件个数和行数
无人值守备份目录
Linux 系统优化策略
卖油翁和老黄牛

MySQL

黑马程序员

基础篇介绍
课程内容和数据库相关概念
MySQL 安装及启动
数据模型
DDL - 通用语法及分类
DDL - 数据库操作
DDL - 表操作 - 创建和查询
DDL - 数据类型及案例
DDL - 表操作 - 删除和修改
DDL 小结
图形化界面 DataGrip
DML - 插入
DML - 更新和删除
DML 小结
DQL - 基础查询
DQL - 条件查询
DQL - 聚合函数
DQL - 分组查询
DQL - 排序查询
DQL - 分页查询
DQL - 案例练习
DQL - 执行顺序
DQL 小结
DCL - 用户管理
DCL - 权限控制
DCL 小结
函数 - 字符串函数
函数 - 数值函数
函数 - 日期函数
函数 - 流程函数
函数小结
约束 - 概述
约束 - 演示
约束 - 外键约束
约束 - 外键删除更新行为
约束小结
多表查询 - 多表关系介绍
多表查询 - 概述
多表查询 - 内连接
多表查询 - 外连接
多表查询 - 自连接
多表查询 - 联合查询
多表查询 - 子查询介绍
多表查询 - 标量子查询
多表查询 - 列子查询
多表查询 - 行子查询
多表查询 - 表子查询
多表查询 - 练习 1
多表查询 - 练习 2
多表查询小结
事务 - 简介
事务 - 操作演示
事务 - 四大特性 ACID
事务 - 并发事务问题
事务 - 并发事务演示及隔离级别
事务小结
基础篇总结
进阶篇介绍
存储引擎 - MySQL 体系结构
存储引擎 - 简介
存储引擎 - InnoDB 介绍
存储引擎 - MyISAM 和 Memory
存储引擎 - 选择
存储引擎小结
MySQL 安装（Linux 版本）
索引 - 概述
索引 - 结构 - 介绍
索引 - 结构 - Btree
索引 - 结构 - B+tree
索引 - 结构 - hash
索引 - 结构思考题
索引 - 分类
索引 - 思考题
索引 - 语法
索引 - 性能分析 - 查看执行频次
索引 - 性能分析 - 慢查询日志
索引 - 性能分析 - show profiles
索引 - 性能分析 - explain
索引 - 使用规则 - 验证索引效率
索引 - 使用规则 - 最左前缀法则
索引 - 使用规则 - 索引失效情况（1）
索引 - 使用规则 - 索引失效情况（2）
索引 - 使用规则 - SQL 提示
索引 - 使用规则 - 覆盖索引和回表查询
索引 - 使用规则 - 前缀索引
索引 - 使用规则 - 单列索引和联合索引
索引 - 设计原则
索引小结
SQL 优化 - 插入数据
SQL 优化 - 主键优化
SQL 优化 - order by 优化
SQL 优化 - group by 优化
SQL 优化 - limit 优化
SQL 优化 - count 优化
SQL 优化 - update 优化
SQL 优化小结
视图 - 介绍及基本语法
视图 - 检查选项（cascaded）
视图 - 检查选项（local）
视图 - 更新及作用
视图 - 案例
存储过程 - 介绍
存储过程 - 基本语法
存储过程 - 变量 - 系统变量
存储过程 - 变量 - 用户定义变量
存储过程 - 变量 - 局部变量
存储过程 - if 判断
存储过程 - 参数（IN, OUT, INOUT）
存储过程 - case
存储过程 - 循环 - while
存储过程 - 循环 - repeat
存储过程 - 循环 - loop
存储过程 - 游标 - cursor
存储过程 - 条件处理程序 - handler
存储函数
触发器 - 介绍
触发器 - 案例 1（insert 类型）
触发器 - 案例 2（update 类型）
触发器 - 案例 3（delete 类型）
视图&存储过程&触发器小结
锁 - 介绍
锁 - 全局锁 - 介绍
锁 - 全局锁 - 一致性数据备份
锁 - 表级锁 - 表锁
锁 - 表级锁 - 元数据锁
锁 - 表级锁 - 意向锁
锁 - 表级锁 - 意向锁测试
锁 - 行级锁 - 介绍
锁 - 行级锁 - 行锁
锁 - 行级锁 - 间隙锁&临键锁（1）
锁 - 行级锁 - 间隙锁&临键锁（2）
锁小结
InnoDB 引擎 - 逻辑存储结构
InnoDB 引擎 - 架构 - 内存结构（1）
InnoDB 引擎 - 架构 - 内存结构（2）
InnoDB 引擎 - 架构 - 磁盘结构
InnoDB 引擎 - 架构 - 后台线程
InnoDB 引擎 - 事务原理 - 概述
InnoDB 引擎 - 事务原理 - redolog
InnoDB 引擎 - 事务原理 - undolog
InnoDB 引擎 - MVCC - 基本概念
InnoDB 引擎 - MVCC - 隐藏字段
InnoDB 引擎 - MVCC - undolog 版本链
InnoDB 引擎 - MVCC - readview 介绍
InnoDB 引擎 - MVCC - 原理分析（RC 级别）
InnoDB 引擎 - MVCC - 原理分析（RR 级别）
InnoDB 引擎小结
MySQL 管理 - 系统数据库介绍
MySQL 管理 - 常用工具（1）
MySQL 管理 - 常用工具（2）
MySQL 管理小结
进阶篇总结
运维篇介绍
日志 - 错误日志
日志 - 二进制日志
日志 - 查询日志
日志 - 慢查询日志
主从复制 - 概述
主从复制 - 原理
主从复制 - 主库配置
主从复制 - 从库配置
主从复制 - 测试
分库分表 - 介绍
分库分表 - 介绍 - 拆分方式
分库分表 - MyCat 概述 - 安装
分库分表 - MyCat 概述 - 核心概念
分库分表 - MyCat 入门
分库分表 - MyCat 入门 - 测试
分库分表 - MyCat 配置（1）
分库分表 - MyCat 配置（2）
分库分表 - MyCat 分片 - 垂直分库
分库分表 - MyCat 分片 - 垂直分库测试
分库分表 - MyCat 分片 - 水平分表
分库分表 - 分片规则 - 范围分片
分库分表 - 分片规则 - 取模分片
分库分表 - 分片规则 - 一致性 hash 算法
分库分表 - 分片规则 - 枚举分片
分库分表 - 分片规则 - 应用指定算法
分库分表 - 分片规则 - 固定 hash 算法
分库分表 - 分片规则 - 字符串 hash 解析
分库分表 - 分片规则 - 按天分片
分库分表 - 分片规则 - 按自然月分片
分库分表 - MyCat 管理与监控原理
分库分表 - MyCat 管理工具
分库分表 - MyCat 监控（1）
分库分表 - MyCat 监控（2）
分库分表总结
读写分离 - 介绍
读写分离 - 一主一从准备
读写分离 - 一主一从读写分离
读写分离 - 双主双从介绍
读写分离 - 双主双从搭建
读写分离 - 双主双从读写分离
读写分离总结
运维篇总结

67 KiB Raw Blame History Unescape Escape

GitHub

尚硅谷 git 快速入门

韩顺平 GitHub 教程

Python

Python for everybody

人人都会编程

为什么要编程

变量和表达式

条件代码

函数

循环与迭代

Python 数据结构

字符串

文件

列表

字典

元组

使用 Python 访问 Web 数据

正则表达式

网络和套接字

网上冲浪程序

网络服务和 XML

JSON 和 REST 架构

使用 Python 操作数据库

面向对象的 Python

基础结构化查询语言

数据模型和关系型 SQL

SQL 中的多对多关系

数据库和可视化

使用 Python 检索、处理和可视化数据

建立搜索引擎

搜索和模拟电子邮件数据

电子邮件数据可视化

黑马程序员

爬虫

Genji

数据分析

Google 数据分析

基础：无处不在的数据

介绍数据分析和分析思维

数据的精彩世界

建立数据分析工具箱

成为公平且有影响力的数据专家

提出问题以做出数据驱动的决策

提出有效问题

做出数据驱动的决策

电子表格的魔力

永远记住利益相关者

为探索准备数据

数据类型和结构

数据可靠性

数据库要点

整理和保护数据

参与数据社区

从脏数据到干净数据的处理

数据完整性的重要性

清洗数据以获得更准确的洞察力

使用 SQL 进行数据清洗

核实与报告清洁结果

添加数据到你的简历中

分析数据回答问题

整理数据以进行更有效的分析

格式化和调整数据

汇总分析数据

执行数据计算

通过可视化艺术共享数据

数据可视化

使用 Tablesu 创建数据可视化

制作数据故事

制作演示文稿和幻灯片

使用 R 编程进行数据分析

编程和数据分析

使用 RStudio 编程

用 R 处理数据

更多关于可视化、美学和注释的内容

文档和报告

结业项目

结业项目介绍

创建你的作品集

67 KiB

Raw Blame History