Rachel Schutt, Cathy O'Neil-Doing Data Science_ Straight Talk from the Frontline-O'Reilly Media (2013)

Data scientist has been called “the sexiest job of the 21st century,” presumably by someone who has never visited a fire station. Nonetheless, data science is a hot and growing field, and it doesn’t take a great deal of sleuthing to find analysts breathlessly prognosticating that over the next 10 years, we’ll need billions and billions more data scientists than we currently have.

Jupyter模板 Jupyter笔记本的简单模板。 该扩展程序可以使用常规模板和通用模板设置任何新的Jupyter Notebook，以进行数据科学分析。 该模板包括常规部分，如数据导入，处理和参考，以及执行常见操作（如导入和配置图表库）的代码。 此外，每当您尝试保存一个名为“无标题”的笔记本时，它都会提示您输入有意义的名称。 觉得这个烦人吗？ 不用担心，您可以禁用此功能。 动机 Jupyter笔记本是很棒的工具：它们可实现快速原型设计并简化结果共享。 但是，由于它们的灵活性，它们容易被滥用。 为了帮助数据科学家保持笔记本电脑的清洁，合理灵活但常规的模板可能会有所帮助。 此外，模板还是一种生产力工具，可加快常用设置（例如库导入和配置）的速度。 快速开始 我们假设您的环境中已经安装了Jupyter笔记本电脑。 但是，即使不是这种情况，也不必担心：jupytemplate将Jup

官方网站 使用我们的数据集进行比赛 数据集许可证

2020最新版coursera mooc Introduction to Data Science in Python 用于学习交流

Neural-Data-Science-A-Primer-with-MATLAB-and-Python-.pdf

2020最新版coursera mooc Introduction to Data Science in Python 用于学习交流

作者是康奈尔大学著名的教授John Hopcroft所作，阐述了大数据相关的基本理论，和处理方法。是想要学习data science的同学的一个参考。

Loan_Default_Prediction：贷款违约预测的端到端机器学习过程，机器学习的最终项目ISpring2018 @ GWU

近年来，深度学习已经彻底改变了许多机器学习任务，从图像分类和视频处理到语音识别和自然语言理解。这些任务中的数据通常用欧几里得空间表示。然而，越来越多的应用从非欧几里得域生成数据，并表示为对象之间具有复杂关系和相互依赖关系的图。图数据的复杂性给现有的机器学习算法带来了巨大的挑战。近年来，许多关于图数据扩展深度学习方法的研究已经出现。在八报告中，提供了一个简明的图神经网络(GNNs)在数据挖掘和机器学习领域的概述。我们提出了一种新的分类方法，将最先进的图神经网络分为四类，即递归图神经网络、卷积图神经网络、图自编码器和时空图神经网络。我们进一步讨论了图神经网络在各个领域的应用，并总结了图神经网络的开源代码、基准数据集和模型评估。最后，我们提出了这一快速发展领域的潜在研究方向。