自學數據分析與資料科學：學習路線圖與每日目標

為了自學數據分析與資料科學的理論與實務技能，跟ChatGPT討論並制定了以下學習路線圖，針對我的需求與當前能力設計每日目標。學習歷程將使用 RemNote 記錄，每次學習結束後整理進度，並在每周或學程結束後統整記錄。

一、學習目標與工具

• 目標：掌握數據分析與資料科學的理論與實務技能，包含 Python 數據分析與 SQL 查詢能力。
• 紀錄工具：RemNote（記錄學習歷程、題型套路、錯誤分析與複習清單）。
• 學習時間：每日約 1 小時，持續 4 週。

二、Python for Data Analysis 學習路線（4 週）

📅 週 1：基礎工具與資料理解

• 目標：熟悉 Pandas 基礎操作與資料探索。
• 每日計劃：
• • Day 1–3：Pandas 資料載入、檢查與探索學習基礎方法。
  • Day 4–5：資料選擇與篩選練習。
  • Day 6–7：資料型態轉換與缺失值處理。

📅 週 2：資料清理與轉換

• 目標：掌握資料清理與多表整合技巧。
• 每日計劃：
• • Day 8–9：字串處理與欄位清理學習 .str, .apply() 方法。
  • Day 10–11：資料整併練習 merge, concat, groupby。
  • Day 12–13：時序資料處理使用 pd.to_datetime, .resample()。

📅 週 3：資料分析邏輯與視覺化

• 目標：學習統計分析與視覺化工具應用。
• 每日計劃：
• • Day 14–15：常見統計應用計算平均數、中位數、標準差、IQR。
  • Day 16–17：基礎視覺化使用 Matplotlib, Seaborn 繪製直方圖、箱型圖、熱力圖。
  • Day 18–19：小專案實作：選擇 Kaggle 專案（Titanic 或 Superstore 銷售分析）練習分析邏輯。

📅 週 4：整合實戰與應用報告

• 目標：完成完整數據分析流程並輸出報告。
• 每日計劃：
• • Day 20–22：完成一份完整數據分析流程：問題假設 → 資料整理 → 描述統計 → 圖表 → 結論推論。
  • Day 23–24：輸出報告格式：Markdown 或簡報（未來可銜接 Tableau 製作互動版）。

三、LeetCode SQL 刷題學習路線（4 週）

🔹 工具與平台建議

• 練習平台：
• • 主：LeetCode
  • 輔：Hackerrank SQL, StrataScratch（真實業界資料集）
• 紀錄工具：RemNote（記錄題型套路、錯誤原因、複習清單）

📅 週 1：基本邏輯鞏固與聚合/排序/條件應用

• 重點主題：基本查詢、GROUP BY、HAVING、排序與條件綜合運用。
• 建議題目（LeetCode）：
• • 175. Combine Two Tables
  • Second Highest Salary
  • Customers Who Never Order
  • Department Highest Salary
  • Calculate Special Bonus
  • Delete Duplicate Emails
  • Swap Salary
• 練習目標：
• • 熟悉 SQL 流程：FROM → JOIN → WHERE → GROUP BY → HAVING → SELECT。
  • 整理「題型分類 + 解題套路」。

📅 週 2：JOIN 與子查詢深化

• 重點主題：多表 JOIN（INNER / LEFT）、子查詢、NOT EXISTS / IN。
• 建議題目（LeetCode）：
• • 182. Duplicate Emails
  • Find Customer Referee
  • Not Boring Movies
  • Restaurant Growth
  • Product Sales Analysis I / II / III
  • Sales Analysis III
• 練習目標：
• • 熟練 JOIN 條件與 NULL 處理（特別是 LEFT JOIN）。
  • 練習子查詢拆解與 NOT EXISTS/IN 替換。

📅 週 3：視窗函數與排序分析

• 重點主題：視窗函數（ROW_NUMBER(), RANK(), DENSE_RANK()）與 OVER (PARTITION BY...)。
• 建議題目（LeetCode）：
• • 180. Consecutive Numbers
  • Department Top Three Salaries
  • Trips and Users
  • Tree Node
  • Find the Subtasks That Did Not Execute
  • Rank Scores
• 練習目標：
• • 應用視窗函數解決分組排名、取前 N 名、連續行等情境。
  • 整理排序函數差異與適用場景（RemNote 記錄表格）。

📅 週 4：綜合題挑戰與實務場景模擬

• 重點主題：複合邏輯題與實務報表場景。
• 建議題目（LeetCode）：
• • 1045. Customers Who Bought All Products
  • Highest Grade for Each Student
  • Students and Examinations
  • Replace Employee ID With The Unique Identifier
  • Capital Gain/Loss
  • Top Travellers
• 練習目標：
• • 拆解複雜問題為清晰 SQL 邏輯。
  • 建立查詢模板：使用 CTE、視窗函數、子查詢交叉解題。

四、建議與注意事項

1. 加強基礎資料分析思維

• 學習基本統計知識（平均數、中位數、標準差、相關性等）。
• 練習資料清理與轉換（缺失值處理、格式統一、類別合併）。
• 推薦資源：
• • Coursera「Data Analysis with Python」
  • Khan Academy 統計基礎課程

2. 補強 Python / Pandas 能力

• 使用 Jupyter Notebook 練習 Pandas 與 Matplotlib / Seaborn。
• 選擇 Kaggle 實務專案，練習完整分析流程：
• • 資料理解 → 清理 → 分析 → 解釋 → 視覺化
• 以「商業問題」角度提出洞察。

五、總結

• 學習方式：每日 1 小時，結合理論學習與實務練習。
• 成果預期：
• • 掌握 Pandas 與 SQL 的核心技能。
  • 完成至少一個 Kaggle 小專案與多份 SQL 查詢練習。
  • 產出數據分析報告（Markdown 或簡報）。
• 後續計畫：探索 Tableau 互動視覺化，進一步提升實務應用能力。