一、Python
Python只是一个用来处理数据的工具，哪里不会，直接点击第三点链接，内容齐全
1、官网
2、下载地址
3、教程地址
二、爬虫
1、爬虫——–基础语法及案例（py2环境）
2、爬虫——–基础语法及案例（py3环境）
●requests的用法
●爬取51job职位
●天猫链接爬取
●获取豆瓣电影的排行
●获取代理IP
●抓取图片
●正则表达式及例题
●中文转码处理
●BeautifulSoup
●部分头部信息
3、爬虫—-网易云音乐Top250的数据歌词信息的连续爬取
4、Scrapy—-安装及基础案例
●基础流程
●梦幻西游链接
●豆瓣信息
5、Scrapy+Selenium—进阶用法+高级
三、Mysql
1、Mysql——–安装和调试
2、Mysql——–基础语句及练习
3、Mysql——–mysql\mongoDB在python应用试题及解析
4、Mysql——–Mysql打包及写入数据,读取及保存至xls文档中
四、MongoDB
1、MongoDB——–安装
●安装教程
2、MongoDB——–基础语句及格式
●数据指令
●python和mongoDB运用
●mongoDB连接多个
3、MongoDB——–练习及应用
五、Numpy
1、Numpy——–基础知识1
2、Numpy——–基础知识2
3、Numpy——–进阶知识1
●索引切片，转换，组合
4、Numpy——–进阶知识2
●读写，各个数学数值的计算，利率
5、Numpy——–矩阵运算及线性代数应用
六、Scipy
1、Scipy——–基础+进阶语法
2、Scipy——–高级知识及事例
●股价预测，电影票房，图像，声音处理
七、Pandas
1、Pandas——–基础+进阶
2、Pandas——–高级篇
●数据规整化，聚合与分组
八、其他常用工具
九、可视化工具Matploylib
1、Matploylib——–入门+基础
2、Matploylib——–进阶篇
●重构
3、Matploylib——–Matplotlib+Pandas高级篇及应用
4、Matploylib——–Matplotlib+Pandas小练习
5、Matploylib——–Matplotlib+Pyecharts 高级篇及应用
十、数理统计（原理）
1、数学必知必会——–向量
●向量定义
●向量的投影
●向量的点积与内积
● cos相似度与pearson相似度
● 向量的线性相关性
2、数学必知必会——–矩阵积线性变换
●矩阵算法
●矩阵的线性变换
●伸缩
●旋转
●svd奇异值分解
●svd奇异值去噪/降维
3、数学必知必会——–导数、积分、均方误差、梯度
●导数
●偏导数
●定积分
●不定积分
●梯度（简单介绍）
●下降法
●monmentum
●Nesrerov
4、数学必知必会——–极限和连续函数
●运算规则
●洛必达法则
●连续函数
5、数学必知必会——–无穷级数
●幂级数
●泰勒级数
● 傅里叶级数
6、数学必知必会——–概率及各类图形
十一、机器学习部分
1、
机器学习——–算法图解
2、
机器学习——–算法入门
3、
机器学习——–数据准备&特征工程（1）
4、
机器学习——–数据准备&特征工程（2）
5、
机器学习——–逻辑回归算法
6、
机器学习——–K最近邻算法
7、
机器学习——–决策树算法
8、
机器学习——–SVM支持向量机简介
9、
机器学习——–支持向量机（SVM算法）详解+推导
10、
机器学习——–朴素贝叶斯算法介绍
11、
机器学习——–朴素贝叶斯算法详解
12、
机器学习——–距离分类
13、
机器学习——–聚类分析（K均值算法）
14、
机器学习——–L1和L2简单易懂的理解
15、
机器学习——–Apriori算法（关联规则）
16、
机器学习——–EM算法
17、
机器学习——–凸优化
18、
机器学习——–PageRank算法
19、
机器学习——–维数灾难
20、
机器学习——–EM算法及GMM(高斯混合模型）的详解
21、
机器学习——–牛顿法在机器学习中的运用
22、
机器学习——–KNN中的Kd树及BBF优化
23、
机器学习——–统计学习方法-1