Data-Science-Roadmap

一张图看清数据科学学习全路径，从入门到求职。

这是一个面向数据科学学习者的从零到一路线图，覆盖数据分析、数据工程、机器学习、深度学习、大数据、数据可视化等核心领域，并提供面试准备、简历模板和速查表等实用资源。项目以结构化的学习路径为核心，帮助初学者系统性地掌握数据科学所需的知识和技能，避免盲目学习。其内容以中文为主，结合了ChatGPT等AI工具的应用，适合希望转型数据科学或提升相关技能的开发者。

开源 free 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 4373

维护状态低维护

是否开源是

定价模式 free

项目数据

分类对话助手

开发团队Moataz-Elmesmary

所属国家

官网地址https://www.linkedin.com/posts/moatazelmesmary_github-moataz-elmesmarydata-science-roadmap-activity-6974293994960769024-yCdi?utm_source=share&utm_medium=member_desktop

GitHubhttps://github.com/Moataz-Elmesmary/Data-Science-Roadmap

定价模式free

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言

技术栈/模型big-data,chatgpt,cheatsheet,cv-template,data-analysis,data-engineering,data-science,data-visualization,deep-learning,interview-questions,linear-algebra,llms,machine-learning,mathematics,neural-network,nlp,probability,python,sql,statistics

GitHub 星标★ 4373

30天Star增速

HF 下载量

上线时间2022-04-17 00:00:00

最近更新2026-09-22 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

难度：入门约 10 分钟部署方式：本地安装 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

可访问 GitHub 的网络环境
已安装 git 客户端（用于克隆仓库）
可阅读 Markdown 的编辑器或浏览器
建议能访问 YouTube 观看推荐视频

安装与启动步骤

1克隆路线图仓库

把整个路线图仓库下载到本地，之后可离线查看其中的 Markdown 文档与资源链接。
```
git clone https://github.com/Moataz-Elmesmary/Data-Science-Roadmap.git
```
2进入仓库目录

切换到刚克隆下来的文件夹，再用编辑器或浏览器打开仓库内的文档。
```
cd Data-Science-Roadmap
```
3先看入门视频

README 强烈推荐先观看其首段给出的入门视频，了解数据科学定义、项目生命周期与所需技能。
4按阶段推进学习

仓库把路线拆成多个阶段，最后是进阶阶段：更深入的数学、深度学习与部署。
5区分三个概念

README 用表格对比数据科学、数据分析、数据工程三者的区别，先弄清差异再定方向。
6申请学生免费额度

README 提到 GitHub Student Pack 可换取 DataCamp 三个月免费课程，可自行搜索申请方式。

如何确认成功

克隆完成后目录内可见 README 及各阶段文档，浏览器打开 GitHub 页面能正常显示完整路线图。

常见问题

Q：需要安装 Python 或配置运行环境吗？

A：不需要。README 未给出任何安装或运行命令，该仓库本身是学习路线图与免费资源链接的合集，克隆后阅读文档即可。

Q：零基础应该从哪里开始？

A：先按 README 首段推荐观看入门视频，弄清数据科学是什么、项目生命周期和所需技能，再按仓库中的阶段顺序逐项学习。

Q：DataCamp 课程要付费吗？

A：README 说明通过 GitHub Student Pack 可获得 3 个月免费使用权；若已使用过，可按 README 提示联系作者获取免费访问账号。

Q：路线图的进阶部分包含什么？

A：README 写明的进阶阶段主要涉及更深入的数学、深度学习以及部署相关内容。

注意事项

README 没有提供安装、运行或配置命令，全部内容以文档和外部资源链接为主。
克隆到本地只是为了离线查看，仓库中没有需要执行的程序或脚本。
仓库内的外部课程与视频链接可能随时间失效，请以对应平台官方页面为准。
部分资源（如 DataCamp）需要自行注册账号或申请 GitHub Student Pack。

核心亮点

覆盖知识面广，从基础到进阶形成完整体系。
提供简历模板和面试准备材料，贴近求职实战。
结合AI工具（如ChatGPT）辅助学习，与时俱进。

不足之处

内容以资源清单为主，缺乏深度教程或实操项目。
更新频率可能不高，部分AI相关工具链接易失效。

适用场景

数据科学零基础入门，规划学习路线。
求职数据科学岗位，准备面试和简历。
快速查阅数据科学各领域速查表。

替代项目

Data Scientist Roadmap、Machine Learning Roadmap、Awesome Data Science

项目介绍

Data-Science-Roadmap 是学习教育领域的开源项目，由 Moataz-Elmesmary 开发，2022 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（4,373）位列前 10%，在学习教育分类中处于中上游。

近 41 天，它的 GitHub 星标从 4,340 增加到 4,373，净增 33。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-22。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：数据科学零基础入门，规划学习路线。同类可对比的替代方案包括 Data Scientist Roadmap、Machine Learning Roadmap、Awesome Data Science。

上一篇：step_into_llm

下一篇：leedl-tutorial