数据科学的笔记以及资料搜集，目前尚在更新，部分内容来源于github搜集。
0.math （数学基础）
1.python-basic （python基础）
2.numpy（numpy基础）
3.pandas（pandas基础）
4.scipy（scipy基础）
5.data-visualization（数据可视化基础，包含matplotlib和seaborn）
6.scikit-learn（scikit-learn基础）
7.machine-learning（机器学习基础）
8.deep-learning（深度学习基础）
9.feature-engineering（特征工程基础）
参考《统计学习方法》李航GitHub - donnemartin/data-science-ipython-notebooks: Data science Python notebooks: Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, Python essentials, AWS, and various command lines.GitHub - apachecn/fe4ml-zh: [译] 面向机器学习的特征工程GitHub - datawhalechina/pumpkin-book: 《机器学习》（西瓜书）公式推导解析，在线阅读地址：https://datawhalechina.github.io/pumpkin-bookGitHub - Doraemonzzz/Learning-from-data: 记录Learning from data一书中的习题解答GitHub - wzyonggege/statistical-learning-method: 《统计学习方法》笔记-基于Python算法实现GitHub - WenDesi/lihang_book_algorithm: 致力于将李航博士《统计学习方法》一书中所有算法实现一遍Machine Learning by Stanford University | Courserahttps://mooc.guokr.com/note/12/ 小小人_V《python科学计算》
