分类

主题

数据科学教程

通过我们的数据科学教程推动您的数据职业发展。我们将带您一步步完成具有挑战性的数据科学函数与模型。

其他主题：

DataLabMLOps云计算向量数据库大数据数据分析数据可视化数据工程数据治理数据素养机器学习深度学习职业服务自然语言处理面向商业的人工智能

培训 2 人或更多？试试 DataCamp for Business

Python 中的深度优先搜索：遍历图与树

了解用于在图和树中导航的深度优先搜索要点。使用 Python 通过递归与迭代实现 DFS，并了解 DFS 与广度优先搜索及 Dijkstra 算法的比较。

Amberle McKee

2026年10月6日

数据科学

行列式：其工作原理与揭示的信息

探索行列式在矩阵运算、几何与计算方法中的作用，并使用 Python 与 R 进行分步计算。

Vahab Khademi

2026年10月6日

数据科学

矩阵对角化：全面指南

了解矩阵何时以及如何对角化，以及这对数据科学与计算线性代数为何重要。

Arunn Thevapalan

2026年10月6日

数据科学

离散概率分布详解与示例

理解数据科学中的离散概率分布。通过 Python 示例探索 PMF、CDF，以及伯努利、二项、泊松等主要分布类型。

Vaibhav Mehra

2026年10月6日

数据科学

面向数据科学的 Docker：入门指南

在本 Docker 教程中，了解安装与设置、常用 Docker 命令、将机器学习应用容器化，以及行业通用的最佳实践。

Arunn Thevapalan

2026年10月6日

数据科学

点积：理论、计算与真实应用

理解这一统摄数学与物理等诸多学科的技术，认识其重要性。

Iheb Gafsi

2026年10月6日

数据科学

特征分解：矩阵分解新手指南

探索特征分解的基础知识及其在数据科学与机器学习中的应用。

Vahab Khademi

2026年10月6日

数据科学

特征向量与特征值：数据科学中的关键洞见

特征向量与特征值是理解线性变换的关键。本文涵盖其几何解释、数学计算方法以及在机器学习中的重要性。

Islam Salahuddin

2026年10月6日

Python 集成学习：Random Forest 与 XGBoost 实战指南

用 Python 学习集成学习。本实操教程涵盖 Bagging 与 Boosting、Random Forest 与 XGBoost，并在真实数据集上提供代码示例。

Bexruz (Bex) Tuychiev

2026年10月6日

数据科学

误差传播：不确定性如何在计算中扩散

了解测量不确定性如何影响计算结果，并学习在多种数学运算中量化不确定性的公式与方法。

Arunn Thevapalan

2026年10月6日

用 Python 掌握线性回归要点

了解如何构成一个回归问题，以及线性回归算法在 Python 中如何工作。

Sayak Paul

2026年10月6日

数据科学

理解欧氏距离：从理论到实践

探索欧氏距离如何连接古代几何与现代算法，包含 Python 与 R 的代码示例，并了解其在数据科学、机器学习与空间分析中的应用。

Vinod Chugani

2026年10月6日