Python基金会

• 描述Python编程环境
• 使用Spyder来执行和修改Python程序
• 在Python中解释，修改和创建基本程序
• 读取和写入简单的文本文件

探索图中的关系

• 了解图模式的节点和边缘结构
• Cypher查询语言处理路径和属性的基础知识
• 从文件、约束、索引和合并中加载节点和边
• 使用聚合、过滤和使用WITH子句组合查询的多路径查询

统计基础

• 探索性数据分析使用Python库，如Numpy和Pandas和Jupyter Notebook
• 基本概率论，贝叶斯定理，中心极限定理，均值，中位数，众数和标准差
• 用二项分布和正态分布解决问题
• 使用Matplotlib和Seaborn的数据可视化

Spark和jupiter笔记本

• 在Apache Spark中创建和使用dataframe和临时视图
• 了解在Jupyter笔记本中记录他们的工作和使用markdown的重要性
• 使用dataframe的基本PySpark和Spark SQL查询
• 将数据框可视化为条形图、折线图和面积图

数据争吵

• 列出不同的数据来源和数据分类
• 描述了数据科学系统和数据争用
• 在谷歌实验室的Jupyter笔记本中使用Pandas解释，修改和创建基本的Python程序来处理数据
• 接收来自键盘和文本文件的数据输入，并将数据输出到屏幕和文本文件
• 使用Pandas的数据框架来识别和纠正简单的数据异常
• 利用Pandas从Spotify获取数据

在TensorFlow中学习

• 定义机器学习
• 描述TensorFlow和keras的历史
• 解释Jupyter笔记本中的一个基本程序，用于经典的机器学习示例，对手写数字进行分类
• 加载MNIST数据集
• 探索MNIST数据集
• 准备MNIST数据集
• 创建一个机器学习模型来分类手写数字
• 报告模型的准确性

使用Tableau讲述你的数据故事

• 导入数据，调整数据类型、维度和度量
• 创建图表，包括线，面积，条形，100%堆叠条形，箱形图和地图
• 过滤数据、使用标记卡、设置分析选项和创建动画
• 创建参数、集合、计算字段和详细级别（LOD）计算

数据科学机器学习导论

• 了解各种机器学习技术及其应用，分析回归和分类问题
• 监督学习，线性回归分析使用Python库- Numpy， Pandas, Sklearn
• 无监督学习，在Python中使用K-Means聚类解决分类问题
• 使用常用的损失函数分析机器学习模型的准确性