回到基础 第二周：数据库，SQL，数据管理和统计概念
探索基础：数据库、SQL、数据管理和统计概念 - 第二周
加入VoAGI的归于基础途径，帮助你开始新的职业或者刷新你的数据科学技巧。归于基础的途径分为4周，还有一个额外的周。我们希望你能把这些博客当作课程指南。
如果你还没有看，可以看一下第一周： 归于基础第一周：Python编程和数据科学基础知识
进入第二周，我们将学习数据库、SQL、数据管理和统计概念。
- 第1天：数据科学中的数据库介绍
- 第2天：用5个步骤开始学习SQL
- 第3天：数据科学中的数据管理原则
- 第4天：处理大数据的工具和技术
- 第5天：数据科学中的统计学理论和概述
- 第6天：在Python中应用描述性统计和推论统计
- 第7天：假设检验和A/B测试
数据科学中的数据库介绍
第2周 – 第1部分： 数据科学中的数据库介绍
了解数据库在数据科学中的重要性。还学习关系数据库的基础知识、NoSQL数据库的分类等。
数据科学涉及从大量数据中提取价值和见解，以推动业务决策。它还涉及使用历史数据构建预测模型。数据库能够有效地存储、管理、检索和分析此类大量复杂的数据。
因此，作为数据科学家，你应该了解数据库的基础知识。因为它们能够存储和管理大而复杂的数据集，实现高效的数据探索、建模和洞察。
用5个步骤开始学习SQL
第2周 – 第2部分： 用5个步骤开始学习SQL
在关系型数据库中管理和操作数据时，结构化查询语言（SQL）是重要的技术。SQL是一种主要的领域特定语言，是数据库管理的基石，提供了一种标准化的与数据库交互的方式。
由于数据驱动决策和创新，SQL仍然是数据分析师、开发人员和数据科学家需要高度关注的重要技术。
这份全面的SQL教程涵盖了从设置SQL环境到掌握连接、子查询和优化查询性能等高级概念的全部内容。通过逐步示例，本指南非常适合初学者提升其数据管理技能。
数据科学中的数据管理原则
第2周 – 第3部分： 数据科学中的数据管理原则
了解数据科学家应该了解的关键数据管理原则。
在作为数据科学家的旅程中，你会遇到各种挑战，并克服它们。你将学习一种过程比另一种过程更好的方法，以及根据手头的任务使用不同的过程。
这些过程将紧密合作，确保你的数据科学项目尽可能有效，并在你的决策过程中发挥重要作用。
处理大数据的工具和技术
第2周 – 第4部分： 处理大数据的工具和技术
在如大数据这样广阔的领域中，你该从哪里开始？使用哪些工具和技术？我们对此进行了探讨，并谈论了大数据中最常见的工具。
已经过去了商业世界只需要在“小黑本”中找到所需数据的时代。在这个数字革命的时代，甚至传统数据库也不够用。
处理大数据已成为企业和数据科学家的关键技能。大数据以其数量、速度和多样性而闻名，可以提供前所未有的模式和趋势见解。
要有效处理这样的数据，需要使用专门的工具和技术。
数据科学中的统计学：理论和概述
第2周 – 第5部分：数据科学中的统计学：理论和概述
高级探索统计学在数据科学中的作用。
你是否有兴趣掌握统计学，以在数据科学面试中脱颖而出？如果是的话，你不应该只是为了面试而这样做。了解统计学可以帮助你从数据中获得更深入和更细致的见解。
在本文中，我将展示最关键的统计学概念，以便更好地解决数据科学问题。
应用描述性统计和推论统计于Python
第2周 – 第6部分：应用描述性统计和推论统计于Python
在你的数据科学之旅中不断进步时，你应该知道以下基本统计学知识。
统计学是一个涵盖从收集数据和数据分析到数据解释的领域。它是一门帮助相关方在面临不确定性时做出决策的研究领域。
统计学领域的两个主要分支是描述性和推论性。描述性统计学是一门与使用各种方式进行数据总结（如摘要统计、可视化和表格）相关的学科。而推论统计学更多地是基于数据样本进行种群概括。
假设检验和A/B测试
第2周 – 第7部分：假设检验和A/B测试
数据驱动决策的基石。
在数据统治的时代，企业和组织不断寻求利用数据的方法。
从你在亚马逊上推荐的产品到你在社交媒体上看到的内容，背后都有一种精细的方法。
而这些决策的核心是A/B测试和假设检验。
但它们究竟是什么，为什么它们在我们以数据为中心的世界中如此关键？让我们一起来探索吧！
总结
祝贺你完成第2周的学习！
VoAGI团队希望《回归基础路径》为读者提供了全面且结构化的方法，帮助他们掌握数据科学的基本原理。
第3周的内容将在下周一发布，请继续关注！
****[Nisha Arya](https://www.linkedin.com/in/nisha-arya-ahmed/)****是一名数据科学家和自由技术作家。她特别喜欢提供数据科学职业建议或教程，并提供围绕数据科学的理论知识。她也希望探索人工智能对人类寿命增长的不同方式。作为一个渴望拓宽自己技术知识和写作能力，并帮助指导他人的热心学习者。
