核心语法
函数和 lambda 表达式
面向对象编程
NumPy
Pandas
Matplotlib
seaborn
字符串处理与网络爬虫
数据获取
数据质量分析
数据特征分析
数据清洗
数据变换
属性改造
数据规约
数据标准化
特征工程
向量与矩阵
线性方程组求解
最小二乘法
描述性和推论性统计概念
数据分布类型
中心极限定理和误差范围
置信区间和置信水平
因果关系
统计检验
贝叶斯公式
最大似然估计
大数定律
机器学习概览
Scikit-Learn
主成分分析（PCA）
线性回归
Logistic回归
支持向量机（SVM）
感知机学习
K-means
朴素贝叶斯
决策树
神经网络
机器学习算法的数据准备
选择和训练模型
Python编程技术
数据分析工作流程
数据分析数学基础
机器学习核心算法
数据挖掘建模
项目实战精讲篇
简历制作精讲篇
阶段一Python 编程：熟练掌握Python核心语法和编程技术
阶段二数据分析技术：掌握数据分析的完整工作流程，能够使用python语言完成数据的获取，质量分析，预处理
阶段三线性代数与数理统计：掌握线性代数与数理统计的主要原理和公式，为后续学习机器学习算法提供数学知识
阶段四机器学习与数据挖掘：掌握机器学习的主要算法，能够使用这些算法完成对数据的分析与挖掘建模工作
阶段五大厂面试专题：围绕大厂高频面试题，给出详尽解答，针对python编程、数据分析技术、线性代数与数理统计、机器学习与数据挖掘等专题精心设计！
