学习路径（Data Science）

直链速查

• Handbook：https://jakevdp.github.io/PythonDataScienceHandbook/
• Google ML Crash Course：https://developers.google.com/machine-learning/crash-course
• ML Zoomcamp：https://github.com/DataTalksClub/machine-learning-zoomcamp
• （可选）Kaggle Learn：https://www.kaggle.com/learn

1. Python 数据栈（约 1～2 周）

按 Handbook 阅读并敲代码：

1. NumPy 基础
2. Pandas（选、滤、groupby、缺失值）
3. 可视化一章

自检：给一份 CSV，能独立写出清洗步骤与 2～3 张图。

2. ML 概念对齐（数天碎片）

跟完 Google ML Crash Course 核心单元（损失、梯度、泛化、特征工程导论）。
自检：能解释 train/validation、过拟合、精度/召回何时重要。

3. ML Zoomcamp（主线）

仓库即课纲：https://github.com/DataTalksClub/machine-learning-zoomcamp

按当前 cohort / 模块顺序自学；优先完成：

• 回归与分类基线
• 模型选择与评估
• 至少一次端到端作业

本地实操若要 clone：可在 labs/ 用 bootstrap（见 labs README）或手动：

./labs/bootstrap.sh ml-zoomcamp

4. 小项目

选题不限（公开数据集即可）：明确问题 → 指标 → 基线模型 → 简短结论笔记。

学习笔记

（公式卡点、作业链接、项目结论）