Course Introduction课程介绍

欢迎来到本 数据科学工具 课程。

本课程专为所有希望成为 数据科学家 的学习者设计。作为一名数据科学家，您将需要与数据打交道。

💡 本课程将为您提供有关可用于分析数据并得出结论的各种工具的知识。您可以选择有或没有编程知识进行学习。

数据科学家的工具包

数据科学家的工具包包含许多工具，在本课程中，您将通过以下模块探索其中的各种工具：

---

模块内容深度解析

让我们深入了解每个模块将提供的内容：

 模块 1：数据科学工具概述

在本模块中，您将学习：

• 不同类别的 数据科学工具。
• 每个类别中 开源 和 商业 产品的示例。
• 了解工具在功能上如何 重叠，以及它们的 优点和缺点。

 模块 2：数据科学语言

本模块将概述数据科学中常用的编程语言及其用途，例如：

• Python
• R
• Scala
• Java
• Julia
• SQL

 模块 3：库、API、数据集和模型

在本模块中，您将学习：

• 包含提供不同功能的内置模块的 库。
• 应用程序编程接口 (API) 允许两段软件之间进行通信。
• 探索 Data Asset eXchange (DAX) 上的 开放数据集。
• 了解 机器学习 (ML) 如何使用算法——也称为“模型”——来识别数据中的模式。

 模块 4：Jupyter 项目

您将学习 Project Jupyter——数据科学家中最常用的环境之一。

• 探索 Project Jupyter 的三个主要应用程序：
  • Jupyter Notebook
  • JupyterLab
  • JupyterLite
• 介绍基于 Jupyter 的商业应用程序，如 IBM Watson Studio 和 Google Colab。
• 概述可安装在您自己系统上的 Jupyter 发行版，例如 Anaconda。

 模块 5：RStudio 和 GitHub

本模块将从介绍 R 和 RStudio 开始：

• 学习不同的 R 可视化包。
• 了解如何使用 plot 函数创建 可视化图表。
• 此外，您将学习 GitHub，这是一个流行版本控制平台，数据科学家可以使用它来 分享他们的项目 和 展示他们的作品集。

 模块 6：期末项目 - 创建一个 Jupyter Notebook

在这个模块中，您将进行您的 期末项目，您将：

• 创建 并 分享 您的 Jupyter Notebook。
• 提交 您的项目并 评阅 您同学的项目。

 模块 7（可选模块）：IBM 数据科学工具

最后一个模块是可选的，它将提供对其他 IBM 工具的见解，例如：

• Watson Studio
• IBM Cloud Pak for Data as a Service
  • 这包括 IBM Watson Knowledge Catalog、IBM Watson Machine Learning 等。

---

成功完成课程的建议

总而言之，我们有很多内容需要涵盖！

为了充分利用本课程，请务必：

1. 完整观看 每个视频。
2. 完成 所有的动手实验。
3. 通过每个 测验 检验您的学习成果。

我们非常高兴与您一同开启您的数据科学工具之旅。

如果您在任何课程材料方面遇到任何问题，请随时通过 讨论论坛 与我们联系。

那么，让我们开始吧！祝您好运！🎉