【TOC】导论

前面的很多章节都是关于数据科学的基础知识点，这一章节主要是从实践应用的角度，按照一般分析流程中所涉及到的工具or方法串联起来，学以致用。

对于不同的岗位需求所需要掌握的技能要求也不一样。

	任务重点	所需技能
数据分析人员		sql
数据科学
算法工程师

• 数据分析人员
  对于纯数据分析人员来说，其主要工作

作为一名数据分析人员需要掌握哪些技能作为一名数据分析人员，需要掌握以下技能：

1. 统计学基础：了解基本概念、概率分布、参数估计与假设检验等基本统计学理论。

2. 编程技能：具备编程能力，能够灵活运用编程语言（例如Python、R、SQL等）进行数据分析。

3. 数据清洗和预处理：熟悉数据清洗和预处理方式，能够处理不完整、不准确或不一致的数据，使其符合分析要求。

4. 数据可视化：善于使用可视化工具，能够通过图表、图示等方式将数据转化为易于理解的形式，发现数据中的相关趋势和规律。

5. 数据挖掘技术：具备数据挖掘技术的知识，熟悉相关算法，如线性回归、聚类分析、决策树等。

6. 模型？

基础环境&工具

对于数据科学或者是算法工程师，很多时候我们会面对大量数据，如果你的工作中涉及对大数据的处理的话，那么可能你也需要了解下关于linux系统相关的信息。
一般公司的服务器都是linux系统，很多的任务部署、模型上线也都是在linux上执行的。

1 linux常用操作
平时在网上看到的黑客的各种操作都是以命令行的形式执行的，比如复制一个文件，在windows/mac上都是可视化的操作界面，在linux命令行上，我们只需要输入一行代码即可 cp file1 file2

首先是关于基础的工具，我们在进行数据分析或者建模之前肯定是在一定的环境之上，电影的闹钟，比如在自己的windows或者是麦克电脑上

学习资源

在学习数据分析方面，有很多优秀的学习资源可以选择。以下是一些值得推荐的资源：

1. Coursera：提供了很多数据分析相关的课程，包括数据分析基础、数据可视化、机器学习等。

2. Kaggle：一个数据科学竞赛平台，可以参加各种数据分析和机器学习竞赛，也可以浏览其他人的解决方案学习。

3. DataCamp：一个在线学习平台，提供了很多数据分析和机器学习的课程，可以通过练习来巩固所学知识。

4. Udacity：提供了很多数据科学相关的课程，包括数据分析、机器学习、深度学习等。

5. GitHub：一个代码托管平台，可以在上面找到很多数据分析和机器学习的开源项目，也可以自己上传自己的代码和项目。

6. Stack Overflow：一个问答社区，可以在上面提问和回答关于数据分析和机器学习的问题。

以上这些资源都是非常优秀的，可以根据自己的需求和兴趣选择适合自己的学习资源。