Data Science
目标:会用 Python 做分析,并跑通经典机器学习项目(特征 → 模型 → 评估)。
独立线:不是数据管道(那是 DE),不是模型上线 serving(那是 AI Infra),也不是 Prompt/Agent。
最短清单
| # | 资源 | 链接 | 角色 |
|---|---|---|---|
| 1 | Python Data Science Handbook(在线) | https://jakevdp.github.io/PythonDataScienceHandbook/ | 热身:NumPy / Pandas / 可视化 |
| 2 | Google ML Crash Course | https://developers.google.com/machine-learning/crash-course | 概念:损失、过拟合、特征等 |
| 3 | Machine Learning Zoomcamp | https://github.com/DataTalksClub/machine-learning-zoomcamp | 主线实战(免费) |
可选加餐:Kaggle Learn 短课练习;StatQuest 补统计直觉。
细节:comparison.md · path.md
进度
- Handbook:Pandas / 绘图章节跟完并能独立洗一份表
- Google ML Crash Course:核心视频 + 练习
- ML Zoomcamp:按模块跟完(或至少完成一个端到端作业)
- 动手:一个小项目(分类或回归)写清指标与结论