Python全栈数据工程师养成攻略（视频讲解版）

从土木人到程序员。真是一场自我革命，挺不容易的。只是现在把它当成自己的此生要做的事，所以也不觉得难。就像吃饭睡觉，习惯就好。python是现在最火的语言，主要是由于强大的工具包。想要学习机器学习和区块链的必学python。

模型离不开数据。在同一个训练集上训练不同的模型，在测试集上可以得到不同的性能；同一个模型，使用不同的训练集进行训练之后，在同一个测试集上的表现也会有所差异。即便是一个学习能力很强的模型，如果没有充足而且高质量的训练数据，模型的参数依然无法得到最优化的调整；即便是一份充足而且高质量的训练数据，如果模型的学习能力不够强，依然无法捕捉到输入特征和输出标签之间的关联。即便以上两项条件都满足，我们依然无法保证训练好的模型，在任何测试集上都能取得同样好的性能，因为测试集的组成和质量也是千差万别、参差不齐的。 为了在具体的实际应用中取得尽可能好的结果，我们需要常怀一颗谦卑之心，就像人的成功离不开先天的能力、后天的努力、生活中的境遇一样，我们需要准备更好、更充足的训练数据，探索更好更强大的学习模型，并且在各种各样的测试集上评估模型的性能。

在汗牛充栋的同类书籍中还算不错的，内容比较“全栈”，案例也比较丰富实用，值得阅读并实践书中代码。

这本书写得还不错。是看过那么多本Python的书中比较好的，当然，是针对于类似我这样的小白，有如下优点: 1.排版清晰，逻辑清晰 2.基础理论讲得很接地气，比较通俗易懂，尤其机器学习那块，特征，标签还有有监督，无监督和特征，标签的关联，还有处理 3.案例可以参考，而且还有具体代码和数据托管在github可以参考 4.案例从业务角度，说了一些业务的思路 不可多得的好书[强]

#一点书评# 三星，一般。但内容足够丰富，跟其他python数据书比有自己的特色。新人当作拓展知识面看，老人当作查缺补漏了。

总体说来还行: 还行的原因是:书的后半段，关于数据可视化和数据处理部分，可以看到是有些理解的。 不足的是，前部分的基础部分就是匆匆过去，感觉为了题目而塞入的内容，而且，本书针对python，写php和js的部分有点多。 若数据工程师，就应该围绕数据来源获取清洗处理展示这些方式来走比较合理些。 若跟python相关，那就要讲讲，python在上述过程中是如何使用的。 以上是个人观点。

说到底，还是工具的使用。没有从底层深入了解，但是也说完了了要想作为一个合格的数据分析师应该有的技能

讲了很多东西，又好像什么都没讲🐂🍺

入门级书籍，更像全栈开发，而且数据太小。当涉及的数据集很大的时候，使用的工具完全不一样。

书的内容太泛 作为学习路径参考一下