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](