目前数据分析、机器学习的应用如火如荼，许多同学都有意参与到这股学习的热潮中来，但是令人苦恼的是，学习资料有很多，但是常常感觉无从下手。

这是因为，这里所涉及到的数据科学是一个综合性的学科，想掌握他需要熟练使用一门编程语言、了解常用的数据处理工具、深谙一整套数学理论基础以及玩转常用的机器学习算法，这是一条不算轻松的道路。

本专栏旨在通过精心设计一条有效的学习路径，方便读者沿着他一步一个台阶的高效踏上数据科学的学习之旅，每一步都承上启下、收获满满。

本专栏的学习路径规划如下：

第一季：Python编程语言核心基础。快速掌握一门数据科学的有力工具。

第二季：数据分析基本工具。通过介绍NumPy、Pandas、MatPlotlib等工具，快速具备数据分析的专业范儿。

第三季：机器学习线性代数核心-Python描述。从坐标与变换、空间与映射、相似与特征等相关基础知识点切入，最终聚焦特征值分解与主成分分析、奇异值分解与数据降维等重难点内容，环环相扣的展开线性代数与机器学习算法紧密结合的最核心内容。

第四季：利用python进行时间序列分析。时间序列分析在数据挖掘与统计分析中具有举足轻重的地位，多种实用的模型帮助人们从已有的时间序列数据中挖掘规律、预测未知，尤其是在金融量化分析领域，这绝对是不可不提、不可不用的利器。

第五季：机器学习概率统计核心-Python描述。概率统计的方法和思想是机器学习的灵魂，我们将对其条分缕析、庖丁解牛，让贝叶斯、隐马尔科夫、极大似然、熵等思想和方法为我所用、不再玄妙。

第六季：机器学习典型算法专题。这一部分利用前面介绍的基础知识，对机器学习的常用核心算法进行抽丝剥茧、各个击破。

第七季：实战环节深度应用。在这一部分利用已有的知识进行实战化的数据分析，初步计划对基金投资策略、城市房屋租赁等热门数据展开围猎。

相信我，也相信你自己，让我们一起踏上Python数据科学之路，领略沿途风景的壮美与瑰丽。