UCB DS100 讲义《数据科学的原理与技巧》校对活动正式启动 | ApacheCN

贡献指南：https://github.com/apachecn/ds100-textbook-zh/blob/master/CONTRIBUTING.md

整体进度：https://github.com/apachecn/ds100-textbook-zh/issues/2

项目仓库：https://github.com/apachecn/ds100-textbook-zh

贡献指南

请您勇敢地去翻译和改进翻译。虽然我们追求卓越，但我们并不要求您做到十全十美，因此请不要担心因为翻译上犯错——在大部分情况下，我们的服务器已经记录所有的翻译，因此您不必担心会因为您的失误遭到无法挽回的破坏。（改编自维基百科）

负责人：

• 飞龙：562826179

章节列表

• Web 技术

• 超文本传输协议

• 处理文本

• python 字符串方法
• 正则表达式
• regex 和 python

• 关系数据库和 SQL

• 关系模型
• SQL
• SQL 连接

• 建模与估计

• 模型
• 损失函数
• 绝对损失和 Huber 损失

• 梯度下降与数值优化

• 使用程序最小化损失
• 梯度下降
• 凸性
• 随机梯度下降法

• 概率与泛化

• 随机变量
• 期望和方差
• 风险

• 线性模型

• 预测小费金额
• 用梯度下降拟合线性模型
• 多元线性回归
• 最小二乘-几何透视
• 线性回归案例研究

• 特征工程

• 沃尔玛数据集
• 预测冰淇淋评级

• 偏方差权衡

• 风险和损失最小化
• 模型偏差和方差
• 交叉验证

• 正规化

• 正则化直觉
• L2 正则化：岭回归
• L1 正则化：LASSO 回归

• 分类

• 概率回归
• Logistic 模型
• Logistic 模型的损失函数
• 使用逻辑回归
• 经验概率分布的近似
• 拟合 Logistic 模型
• 评估 Logistic 模型
• 多类分类

• 统计推断

• 假设检验和置信区间
• 置换检验
• 线性回归的自举（真系数的推断）
• 学生化自举
• P-HACKING

• 向量空间回顾

流程

一、认领

首先查看整体进度，确认没有人认领了你想认领的章节。

然后回复 ISSUE，注明“章节 + QQ 号”（一定要留 QQ）。

二、校对

需要校对：

1. 语法
2. 术语使用
3. 文档格式

如果觉得现有翻译不好，重新翻译也是可以的。

三、提交

• fork Github 项目
• 修改docs中的文档。
• push
• pull request

请见 Github 入门指南。