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）
- 《统计学习方法》李航
- https://github.com/donnemartin/data-science-ipython-notebooks
- https://github.com/apachecn/feature-engineering-for-ml-zh
- https://github.com/datawhalechina/pumpkin-book
- https://github.com/Doraemonzzz/Learning-from-data
- https://github.com/wzyonggege/statistical-learning-method
- https://github.com/WenDesi/lihang_book_algorithm
- https://www.coursera.org/course/ml
- https://mooc.guokr.com/note/12/ 小小人_V
- 《python科学计算》
微信公众号：机器学习初学者 
知识星球：黄博的机器学习圈子
机器学习qq群：1003271085（我们有10个群，加过一个就不需要加了）
注意：github下载太慢的话，关注我的公众号：“机器学习初学者”，回复“学习路线”即可下载本仓库的镜像文件，整个仓库压缩成一个iso。
如果需要引用这个Repo:
格式： fengdu78, Data-Science-Notes, (2019), GitHub repository, https://github.com/fengdu78/Data-Science-Notes