数据科学

# - Pipeline: 数据获取 -> 探索性数据分析 (EDA) -> 特征选择/变换 -> 模型选择 -> 调参评价

# - 数据科学基础: 统计学（假设检验、分布、采样）、EDA与可视化

# - 特征工程: 标准化、降维、异常值处理与特征选择

# - 经典ML模型: 线性模型、树模型（决策树、随机森林、xgboost）、SVM

# - 评估与优化

# - 数据挖掘

---

评论