1.Udacity数据分析（入门） -->2018.04 已完成（证书）

• Python入门 ; pandas ； SQL ; 数据分析入门 ； 数据可视化 ；统计学基础

2.Udacity数据分析（进阶） -->2018.07 已完成(证书)

• 数据挖掘 ； 数据评估及清洗；R语言；Tableau可视化

3.Udacity数据科学家（第一期）

• 机器学习；深度学习

**技能：**深度学习、Pytorch

**描述：**在此项目中，使用的数据集为花卉数据（数据集链接），利用Pytorch对数据进行加载和预处理，并训练图像分类器，达到80%以上的准确率。最后，将其制作为一个命令行应用。

链接：Github

**技能：**机器学习、scikit-learn

**描述：**在此项目中，使用的数据集为人口普查数据（数据集链接），通过对数据的预处理、对比选择合适的机器学习算法并训练，预测具有哪些特质的人群会向慈善机构进行捐款。

链接：Github

**技能：**数据分析、可视化、pandas、matplotlib、seaborn

描述： 通过不同的方式收集推特用户 @dog_rates 的档案，对收集的数据进行清洗，完成分析及可视化！其中数据清洗部分是难点。

链接：Github

**技能：**数据分析、可视化

**描述：**此项中使用了两个数据集，一个来自联邦调查局 (FBI) 的全国即时犯罪背景调查系统 (NICS)，另一个数据集收纳了美国的人口普查的州级数据 (U.S. census data)，对两个数据集进行探索性数据分析，进行可视化，得出结论。

链接：GitHub

**技能：**统计学、statsmodels

**描述：**利用某电子商务网站运行的 A/B 测试的数据，利用统计学知识来帮助公司弄清楚他们是否应该使用新的页面，保留旧的页面，或者应该将测试时间延长，之后再做出决定。

链接：Github

**技能：**R语言数据分析

**描述：**在p2p企业中，用户还款逾期会对公司的资金链产生冲击，欠款金额越高，逾期时间越久，冲击就会越大，为了减少这种冲击，我们应该尽可能的降低逾期事件的概率。 所以在此项目中，我们的目标是通过对现有数据的分析及可视化，并引入了新变量逾期比指出具有哪些特征的标容易逾期。

链接：Github

**技能：**Excel、SQL

**描述：**使用SQL从数据库中提取数据，并在Excel中完成数据处理和可视化，得出结论。

链接：Github

**技能：**Tableau

**描述：**使用Tableau创建一个数据分析故事，并做分享。

链接：[Github](

• Python Code of Mini-Batch Gradient Descent

• Matplotlib可视化

• Pandas数据融合