Links zu Personen, die gerade mit der Datenanalyse mit Python beginnen

Dies ist eine Sammlung von Links für Personen, die gerade mit der Datenanalyse mit Python beginnen. (* Da ich im Labor für Junioren schreibe, kommt das Schlüsselwort "Forschung" häufig vor.)

• Ziel: Personen, die gerade erst anfangen, Daten mit Python zu analysieren
• Zweck: Dieses Feld hat hohe Hürden für Anfänger (Umgebungseinstellungen sind problematisch, es wird zu viel recherchiert und es ist schwierig zu wissen, womit man anfangen soll usw.). Daher besteht der Zweck darin, Schlüsselwörter anzugeben, die als Hinweise für die Forschung verwendet werden können. ..

Einführung

Es wird gesagt, dass die in der Datenanalyse verwendeten Fähigkeiten in drei unterteilt sind. (Aus Pressemitteilung der Data Scientist Association) Basierend auf diesen drei werde ich hier kurz auf Artikel und Schlüsselwörter eingehen, die wahrscheinlich für "Data Engineering" und "Business" hilfreich sind und eine starke unterstützende Bedeutung in der Forschung haben. (Wenn du das nicht kannst, kannst du natürlich gar nicht erst lernen, also ist es super wichtig!) Wenn du es als Referenz für den Startstrich verwenden kannst ◎!

Linkliste

Links zu "Data Engineering"

--Package Management für macOS - homebrew --Co-Entwicklung im Zusammenhang - git - github --Kommentarseite: "Einführung in Git, die selbst Affen verstehen können" --qiita Artikel: "Development Flow Training @ Wantedly" usw.

• Python verwandt
• Versionsmanagement und Aufbau einer virtuellen Umgebung - pyenv - pyenv-virtualenv - (for Windows) anaconda
• Paketverwaltung - pip
• Programmierumgebung --Interaktive Umgebung Jupyter-Notizbuch --IDE (wie Pycharm)
• Berühmte Bibliothek --numpy, scipy, sklearn, pandas, matplotlib, Deep-Learning-Bibliotheken (Tensorflow, Theano usw.) usw.
  • web app --Slideshare: "Entwicklung von Webanwendungen ab Python"
• django usw. --Datenbank bezogen --RDB (mysql) --MySQL-Treiber zur Verwendung mit Python ([mysql-connector-python](https://dev.mysql.com/doc/connector-python/en/ usw.))
• Ein wenig fortgeschrittenes ORM (SQLALCHEMY)
• Slide Share: "Überblick über die Datenbank zur Verarbeitung großer Datenmengen und deren ordnungsgemäße Verwendung" usw.
• Sprachverarbeitung
• Japanische morphologische Analyse: MeCab und Mecab-Python usw.
• Ausgezeichnetes Wörterbuch: mecab-ipadic-NEologd
• Verarbeitung der natürlichen Sprache von Englisch NLTK usw.

• Wenn Sie googeln, werden viele Artikel herauskommen! Probieren Sie es aus, wenn Sie es brauchen!

Links zu "business (≒ research)"

--Denkweise

• Slide Share: "Forschungsmethode"
• Sag es den Leuten --Logik --Buch: [Denken / Schreiben](https://www.amazon.co.jp/ Denk- / Schreibpyramidenprinzipien zur Verbesserung der Problemlösung-Barbara-Mint / dp / 4478490279) --Buch: Logische Präsentation --Rutschen
• Webartikel: "30 Auswahlen von Umfragematerialien für die Beratung von Think Tanks"
• Webartikel: "Dies ist eine sofortige Force-Folie! 15 Auswahlen an echten Präsentationsmaterialien berühmter Unternehmen im Internetbereich" --Planung
• Slide Share: "TIS Internship 2016 Material"
• Schreiben / Untersuchen eines Papiers --Blog: "Ziel ist eine Sammlung von Links zum Schreiben eines Papiers und zum Umfragen" --tex verwandt - MacTex
  --Blog: "Teilen Sie einen Kalender mit" den Daten der wichtigsten internationalen Konferenzen für die Datenanalyse "und" Fristen für die Einreichung von Beiträgen "" --Blog: "Sammeln von Informationen im Bereich des maschinellen Lernens"

das ist alles. Ich würde mich freuen, wenn Sie einen so nützlichen Link schreiben könnten.