一条实用的数据科学学习路径，涵盖统计学、数据分析、可视化和机器学习，结合真实项目实战。
学习描述性统计、推断性统计、概率分布、假设检验和贝叶斯思维。
掌握 Python 和 Pandas，进行数据清洗、转换、合并和缺失值处理。
使用 Matplotlib、Seaborn 和 Plotly 创建可视化图表，学习数据叙事。
编写复杂 SQL 查询、窗口函数、CTE，并优化大数据集查询。
使用 scikit-learn 应用监督和无监督学习算法，进行分类、回归和聚类。
学习特征创建与选择、交叉验证、超参数调优和模型评估指标。
构建端到端项目、创建仪表板、撰写报告并向利益相关者展示发现。
7 个科目
用 AI 创建个性化课程，获得互动式课程和进度追踪。