链接：https://github.com/therealsreehari/Learn-Datascience-for-Free#5_-expressions著作权归作者所有，本文仅作学术分享，若侵权，请联系后台删文处理
！！文末附每日小知识点哦！！
这个 GitHub 项目提供了一份免费学习资源，既包括超详细的学习路线图，又涵盖多个免费线上课程、大量数据科学项目和 100 多本免费机器学习书籍，项目上线数天即获得 2.4k 星。项目地址：https://github.com/therealsreehari/Learn-Datascience-for-Free#5_-expressions该项目收集了散布在网络上的不同资源，并按照一定的顺序进行组合，以帮助数据科学初学者解决如何搜索免费和结构化学习资源的问题。项目作者表示，该项目将基于新的免费资源持续更新。「磨刀不误砍柴工。」该项目首先详细介绍了一份数据科学路线图，罗列了数据科学学习者需要掌握的内容：
在成为数据科学家之前，你需要掌握关于矩阵的理论知识，了解其操作方式，熟悉矩阵的各种变换。项目作者还向我们介绍了多种数据结构，包括哈希函数、二叉树等。以二叉树为例，项目作者解释了什么是二叉树：「在计算机科学中，二叉树是一种树数据结构，其中每个节点最多具有两个子节点，称为左子节点和右子节点。」除了矩阵知识以外，数据科学初学者还需掌握关系代数、数据库基础知识、CAP 原理、ETL 等多达十多个知识点（有些部分还在更新中）。该项目介绍了许多关于统计学的知识，包括数据集的选择、描述性统计、探索性数据分析、直方图、概率论、贝叶斯定理等内容。以探索性数据分析为例，项目作者从数据的可视化和分析两方面着手，向我们介绍了完成整个数据分析任务需要的开发环境、依赖库、安装方式以及分析方式。在数据可视化方面，项目作者介绍了三个数据可视化库 Matplotlib、Pandas、Seaborn，每个库都有相应的链接，点击链接即可进入相应的网页进行查看。点击 Seaborn 链接，可进入 Seaborn 主页，该图为链接到的主页内容。在数据分析方面，项目作者介绍了 PCA 降维方法，帮助学习者了解什么是主成分分析，以及如何在 Python 中实现。成为数据科学家离不开编程，该项目介绍了需要掌握的编程语言 Python、R setup/R studio 等内容。以 R setup / R studio 为例，项目作者介绍了两种安装方式 Linux、Windows。但是本部分内容还有许多待补充知识。该项目还列举了掌握数据科学需要了解的机器学习知识，包括数值变量、分类变量、监督学习、无监督学习、训练集和测试集、分类器、过拟合、偏差和方差、支持向量机等 30 项内容。以支持向量机为例，项目作者首先介绍了支持向量机的作用——可用于分类和回归任务，接着用简单明了的语言解释了支持向量机的原理。此外，项目作者还列举了关于支持向量机的其他知识，读者可通过链接自行学习。除了上述介绍的内容外，项目作者还整理了文本挖掘、数据可视化等内容，此处不再赘述。该项目基于 GitHub 用户 Developer-Y 的项目整理了大量线上免费课程的资源，包括人工智能、机器学习、机器人学三个主要部分。其中机器学习部分又细分为机器学习导论、数据挖掘、数据科学、概率图模型、深度学习、强化学习、进阶版机器学习课程、基于机器学习的自然语言处理与计算机视觉、时序分析、概率与统计学、线性代数等。从该项目列表中，我们可以看到熟悉的吴恩达机器学习课程，以及来自卡内基梅隆大学、斯坦福大学、苏黎世联邦理工学院、加州大学伯克利分校、微软等机构的丰富课程资源。此外，该项目还罗列了大量人工智能开源项目，涵盖机器学习、深度学习、自然语言处理、计算机视觉这些领域。这一资源来自 AI 研究者、数据科学家 Ashish Patel 创建的 GitHub 库，目前包含 71 个条目，点开链接即可获取相应的项目和代码资源。从目前的列表中，我们可以看到它包括目标检测、聊天机器人、GUI、无监督学习、回归分析、情感分析、推荐系统、数据科学、NLP、计算机视觉等细分领域的相关项目资源。盖列表将持续更新。项目作者整理了一份来自 Insane 的机器学习书籍列表文章。该列表在 2021 年 1 月份刚刚更新过，包括我们熟悉的「花书」《深度学习》，以及主题为图算法、自然语言处理、数据挖掘、GAN、Python 等的书籍。图源：https://www.theinsaneapp.com/2020/12/download-free-machine-learning-books.html项目作者表示，希望这些免费资源能够帮助到无法支付教育费用的人们，从头开始掌握数据科学。每天进步一丢丢
K 均值是基于样本点间的几何距离来度量聚类的通用目的算法。由于集群围绕在聚类中心，结果会接近于球状并具有相似的大小。优点：K均值是最为流行的聚类算法，因为它足够快速、足够简单，如果你的预处理数据和特征工程都做得十分有效，那它将具备令人惊叹的灵活性。缺点：该算法需要指定集群的数量，而 K 值的选择通常都不是那么容易确定的。另外，如果训练数据中的真实集群并不是类球状的，那么 K 均值聚类会得出一些比较差的集群。
！重磅！【深度学习冲鸭技术交流二群】微信交流群已成立
投稿或交流学习，备注：昵称-学校（公司）-方向，申请进入深度学习冲鸭技术交流群。方向有很多：机器学习，深度学习，python，目标检测、目标跟踪、图像分割、OCR、姿态估计、去噪、人脸检测&识别等。
