这门课是 MIT 商业分析（BA）硕士项目的必修课，主要讲解了目前常用的一些数据分析工具，包括用 SQL 进行数据检索，用 Python，R 进行数据操作以及数据可视化和 git 和 Bash 的使用。
另外，MIT 老师还在自己的网站上给了这门课的文字教程和相关资料，非常适合大家学习。[……]
标签： Python
调包侠神器 PyCaret 2.0 发布
项目 GitHub 地址一文看懂 Matplotlib 50 种经典数据可视化图表应用场景 (含代码)
Jupyter 可视化 Debug 工具
Jupyter 也能做可视化 Debug 了，Jupyter 团队发布第一个 Debug 插件与内核。虽然这只是第一版，但目前已经可以设置常见的断点 Debug，查看各种变量、执行模块等信息。
Python 代码编辑器怎么选？PyCharm、VS Code、Jupyter Notebook 都各有特色，Jupyter 适合做数据分析这些需要可视化的操作，PyCharm 更适合做完整的 Python 项目。然而，因为交互式操作，很少会有开发者想到用 Jupyter 做 Debug。
尽管很多读者可能认为 Jupyter 用来做展示和小型试验就足够了，Debug 并没有太大的需[……]
Pandas 中文官方教程
此前，跨象乘云 发布了《Python 知识卡片：Pandas》。Pandas 是一个强大的分析结构化数据的工具集；它的使用基础是 NumPy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。学习 Pandas 最好的方法就是看 Pandas 官方教程，日前，国内学习小组发布了 Pandas 官方教程的中文版，包括：《十分钟搞定 pandas》，《Pandas 秘籍》，《学习 Pandas》。
《Pandas 中文官方教程》PDF 下载。[……]
基于 NumPy 的 30 多个机器学习算法开源代码
用 NumPy 手写所有主流 ML 模型，普林斯顿博士后 David Bourgin 最近开源了一个非常剽悍的项目。超过 3 万行代码、30 多个模型，这也许能打造「最强」的机器学习基石。NumPy 作为 Python 生态中最受欢迎的科学计算包，很多读者已经非常熟悉它了。它为 Python 提供高效率的多维数组计算，并提供了一系列高等数学函数，我们可以快速搭建模型的整个计算流程。
尽管目前使用 写模型已经不是主流，但这种方式依然不失为是理解底层架构和深度学习原理的好方法。最近，来自普林斯顿的一位博士后将 NumPy 实现的所有机器学习模型全部开源，并提供了相应的论文和一些实现的测试效果[……]
微软推出 Python 零基础教程
如果你想了解一门既实用又简单的语言，作为你程序人生的第一步，那么，Python 无疑是最适合你的。数据科学家和人工智能从业者们尤其喜欢 Python，因为它有丰富的、易于理解的语法和广泛的开源软件。然而，目前大部分的所谓入门教程，实际上对于真正零基础的人来说还是具有很高的门槛，同时，几百页的书和动不动上百个小时的学习视频对有的人来说，无疑是劝退。
微软意识到了这一点，也充分理解大多数人对于学习的耐心，于是就开发了一门 Python 的入门课程《Python for Beginners》（国内镜像），基于原生 VS Code，每节课只有 5-10 分钟，可以被认为是真正的入门及课程了。[……]
用 Jupyter Notebook 制作新冠病毒疫情追踪器
『山川异域，风月同天』—— 新冠肺炎疫情牵动着举国上下的心，包括跨象乘云™ 在内，众多高科技企业除了向灾区捐赠物资，配合疫情防控工作，延期复工 / 远程办公的同时，也在积极探索如何利用大数据、新一代人工智能等新技术为『战疫』助力。
新冠肺炎已在全球范围内爆发。为了解全球疫情分布情况，日前，一位名叫 Michael Freeborn 的医生 / 程序员，利用 Python 的图形库 Plotly，制作了两种疫情的等值线地图（Choropleth Chart）和 GEO 分布散点图（”Scatter-Geo” Chart）。前者显示了一个国家 / 地区的疫情扩散情况：该国家 / 地区的在地图[……]
NumPy 中文官方教程
此前，跨象乘云 发布了《NumPy 教程：基础知识》与《Python 知识卡片：NumPy》两份教程。近日，NumPy 官方正式推出了 NumPy 中文版网站，涵盖 NumPy 的一切。在 Github 上一度蝉联最流行的机器学习和数据科学包 NumPy，已经有了非常之系统的中文文档。现在，如果有什么和 NumPy 的问题，只需要浏览这份官方中文文档就足够了。它足够的系统、全面且亲民。NumPy 是使用 Python 进行科学计算的基础软件包，是 Python 生态系统中数据分析、机器学习、科学计算的主力军，极大简化了向量与矩阵的操作处理。除了计算外，它还包括了：
- 功能强大的 N 维[……]
各种机器学习算法最佳应用场景 – 2
此前，跨象乘云™ 曾介绍了基于 scikit-learn 的机器学习算法工程导图，并介绍了在选取合适的机器学习算法前，都需要完成的必要数据科学流程。再强调一遍：掌握机器学习算法的价值，不单纯研究算法背后的数学原理，而是熟练理解各种机器学习算法应用的业务场景，搞清楚机器学习算法究竟能解决什么实际的业务问题。毕竟大多数企业希望聘请的是能提升业务的工程师，而不是科研数学家。因此，我们今天进一步介绍几种常用的机器学习应用场景：
线性回归
这可能是机器学习中最简单的算法。例如，当你想要计算一些连续值，而不是将输出分类时，可以使用回归算法。因此，当你需要预测一个正在运行的过程未来的值时，你可以使用回归[……]