teomerefs
teomerefs 是一份专为数据领域从业者打造的开源技术参考指南，旨在帮助学习者系统掌握数据科学、编程与统计学核心技能。许多初学者在入门时常因知识体系庞杂而迷失方向，不知从何学起或如何规划路径。teomerefs 通过可视化的技能依赖图谱，清晰展示了从 Python 基础、逻辑编程、统计学到机器学习、大数据处理等关键节点的进阶关系，让用户能直观理解各知识点间的衔接与先后顺序。此外，项目还配套提供可自定义的学习计划表格，帮助用户根据自身目标映射所需技能并制定个性化成长路线。内容涵盖免费课程链接、博客推荐、专家 PROFILE 及播客资源，形成完整的学习生态。无论是刚入行的数据新手、希望转型的开发者，还是寻求系统化复习的研究人员，都能从中获益。其独特之处在于将抽象的学习路径转化为交互式图形结构，并结合实战导向的课程资源（如 Pandas 实操、Web 数据采集、假设检验等），让理论学习更贴近真实工作场景。整体风格务实友好，强调循序渐进与自主规划，是数据职业道路上值得信赖的导航工具。
使用场景
刚转行数据科学的小李面对海量零散的学习资源感到迷茫，急需一条清晰的技术成长路径来制定学习计划。
没有 teomerefs 时
- 学习路径混乱：在 Python、统计学和机器学习之间盲目跳跃，不清楚先学逻辑编程还是直接上手算法，导致基础不牢。
- 资源筛选困难：需要在谷歌、YouTube 和各类博客中大海捞针，难以辨别教程质量，浪费大量时间试错。
- 技能依赖不明：不了解技能树的前后置关系（如不懂假设检验就直接做回归分析），遇到瓶颈时不知缺了哪块拼图。
- 缺乏系统规划：没有可视化的进度地图和配套的练习仓库，学习过程断断续续，难以坚持。
使用 teomerefs 后
- 路径清晰可视：通过项目提供的技能依赖图谱，小李一眼看清从"Python 基础”到"Sklearn"的必经之路，按部就班进阶。
- 精选资源直达：直接获取官方整理好的免费视频、直播回放和 GitHub 代码库（如“熊猫探险”系列），无需再为找资料发愁。
- 逻辑环环相扣：依据图谱明确知道必须先掌握“概率论”才能进入“假设检验”，避免了因知识断层导致的理解障碍。
- 计划落地执行：利用配套的学习计划表格映射自身短板，结合具体的课程顺序（从 Git 到数据采集再到统计），高效完成阶段性目标。
teomerefs 将碎片化的数据科学知识重构为结构化导航图，让初学者从“盲目摸索”转变为“精准进阶”。
运行环境要求
未说明
未说明
快速开始
Teo Me Refs
用于分享数据科学、编程和统计学相关资料的仓库。
入门指南
许多初学者难以规划自己的数据领域学习路径。为了简化这一过程，我们创建了以下流程图，展示了各项技能和主题之间的依赖关系。
通过这种方式，该图中的每个节点都可以链接到专注于相应学科的资源。
另外，你还可以使用这份表格来制定你的学习计划，只需将需要进一步提升的技能标注出来，以实现你的目标：点击此处。
graph LR;
A[Python基础]-->B[Pandas + Matplotlib];
C[编程逻辑]-->B;
D[统计学基础]-->B;
D-->E[假设检验];
F[概率论]-->B;
F-->E;
E-->G[线性回归];
E-->H[多元分析];
B-->I[Sklearn + statsmodels];
H-->I;
G-->I;
J[SQL数据库]-->K[Apache Spark];
L[NoSQL数据库]-->K;
I-->K;
M[GNU/Linux + Bash + Git + Docker];
click A "https://github.com/TeoCalvo/teomerefs/#programa%C3%A7%C3%A3o"
click C "https://github.com/TeoCalvo/teomerefs/#programa%C3%A7%C3%A3o"
click D "https://github.com/TeoCalvo/teomerefs/#estat%C3%ADstica"
click E "https://github.com/TeoCalvo/teomerefs/#estat%C3%ADstica"
click F "https://github.com/TeoCalvo/teomerefs/#estat%C3%ADstica"
click G "https://github.com/TeoCalvo/teomerefs/#estat%C3%ADstica"
click H "https://github.com/TeoCalvo/teomerefs/#estat%C3%ADstica"
click I "https://github.com/TeoCalvo/teomerefs/#machine-learning"
click J "https://github.com/TeoCalvo/teomerefs/#banco-de-dados"
click L "https://github.com/TeoCalvo/teomerefs/#banco-de-dados"
click M "https://github.com/TeoCalvo/teomerefs/#utilit%C3%A1rios"
数据科学学习路线建议
| 序号 | 课程 | 描述 | 链接 | 访问方式 | 仓库 |
|---|---|---|---|---|---|
| 1. | Git/GitHub | 在这里你将学习如何对简单文档和代码进行版本控制 | Twitch / YouTube | 免费 | - |
| 2. | Python编程入门 | 使用Python迈出编程的第一步 | Twitch / YouTube | 免费 | GitHub |
| 3. | Pandas初探 | 使用Pandas及其DataFrame和Series操作数据 | Twitch / YouTube | 免费 | GitHub |
| 4. | 网页数据采集 | 如何通过网页爬取和API收集、存储及整理数据 | Twitch / YouTube | 免费 | GitHub |
| 5. | 统计学基础 | 应用于数据科学和分析的主要统计学主题 | Twitch / YouTube | 免费 | - |
| 6. | 面向小马的机器学习 | 介绍分类和回归等主要技术的机器学习入门课程 | Twitch / YouTube | 免费 | Github |
| 7. | 数据科学与积分 | 完整的数据科学项目，构建用于预测客户流失的机器学习模型 | Twitch / YouTube | 仅限会员及订阅用户 | GitHub |
主题
数据库
书籍
课程
| 名称 | 简介 | 作者 | 级别 | 时长 |
|---|---|---|---|---|
| SQL - Gamers Club数据 | 使用Gamers Club的数据进行基础SQL课程 | Téo Me Why | 初级 | 07:39 |
| SQL学习路径 - Téo Me Why | 该频道的第一个SQL课程，使用Olist的数据 | Téo Me Why | 初级 | 13:45 |
数据湖
书籍
- 数据网格：规模化交付数据驱动价值
- Learning Spark: Lightning-Fast Data Analytics
- Stream Processing with Apache Spark: Mastering Structured Streaming and Spark Streaming
课程
| 名称 | 简介 | 作者 | 级别 | 时长 |
|---|---|---|---|---|
| Data SUS | 收集并处理Data SUS的数据 | Téo Me Why | 中级 | 07:32 |
| IGDB | 消费IGDB API的数据，获取全球已发行游戏的目录及其相关信息：公司、主题、模式、评分等 | Téo Me Why | 高级 | 33:22 |
| The International | 消费Dota2数据以进行比赛预测 | Téo Me Why | 中级 | 06:22 |
统计学
书籍
- 《通过多元统计方法进行数据分析：应用视角》（https://amzn.to/3GHeMEx）
- 《线性回归模型分析及其应用》（https://amzn.to/31ZmV8u）
- 《时间序列分析》（https://amzn.to/3oUK452）
- 《应用生存分析》（https://amzn.to/3s8WFmW）
- 《抽样基础》（https://amzn.to/3pTC03y）
- 《基础统计学》（https://amzn.to/3EWm9HV）
- 《数据科学家实用统计学：50个核心概念》（https://amzn.to/3dMZxgY）
- 《概率——对统计学的应用》（https://amzn.to/3m3l3T6）
- 《概率：现代课程与应用》（https://amzn.to/3s3h1Os）
课程
| 名称 | 简介 | 作者 | 级别 | 时长 |
|---|---|---|---|---|
| [为你而设的统计学]（https://www.twitch.tv/collections/GnvvyiEhhBdCuA） | 基础统计学课程 | [Téo Me Why]（twitch.tv/teomewhy） | 初学者 | 12小时48分 |
机器学习
书籍
- 《零基础数据科学》（https://amzn.to/320plDU）
- 《人工智能——机器学习方法》（https://amzn.to/3ETCexZ）
- 《统计学习导论》（http://www.ime.unicamp.br/~dias/Intoduction%20to%20Statistical%20Learning.pdf）
- 《机器学习——快速参考指南：使用Python处理结构化数据》（https://amzn.to/31UGDlD）
- 《动手学机器学习：使用Scikit-Learn和TensorFlow》（https://amzn.to/3pX1wFe）
课程
| 名称 | 简介 | 作者 | 级别 | 时长 |
|---|---|---|---|---|
| [机器学习入门]（https://www.twitch.tv/collections/vrRnPxxEgxYPpg） | 机器学习基础入门课程 | [Téo Me Why]（twitch.tv/teomewhy） | 初学者 | 5小时41分 |
| [订阅项目]（https://www.twitch.tv/collections/xDcbIHun4xYMFA） | 使用Gamers Club数据预测新订阅的机器学习课程 | [Téo Me Why]（twitch.tv/teomewhy） | 中级 | 12小时04分 |
| [GC订阅流失预测]（https://www.twitch.tv/collections/-iVyOjw2ARc93A） | 使用Gamers Club订阅数据的机器学习课程 | [Téo Me Why]（twitch.tv/teomewhy） | 中级 | 10小时32分 |
| [从头到尾的机器学习——Téo Me Why]（https://www.twitch.tv/collections/sG1UU3C2UheIPg） | 以实践项目形式展示机器学习全流程的课程 | [Téo Me Why]（twitch.tv/teomewhy） | 中级 | 24小时10分 |
编程
书籍
- 《Python 3编程》（https://amzn.to/3dPipfj）
- 《流畅的Python：清晰、简洁、高效的编程》（https://amzn.to/322T8f6）
- 《用于数据分析的Python：使用Pandas、NumPy和IPython处理数据》（https://amzn.to/3IHKROx）
- 《Python面向开发者》（https://amzn.to/3GFLh66）
- 《动脑筋！编程》（https://amzn.to/3pTqhBZ）
- 《用Python进行网页抓取：从现代网络中收集更多数据》（https://amzn.to/3dQSELG）
课程
| 名称 | 简介 | 作者 | 级别 | 时长 |
|---|---|---|---|---|
| [Python编程入门]（https://www.twitch.tv/collections/KsRwA0OEbhd_Gw） | 面向编程初学者的Python入门课程 | [Téo Me Why]（twitch.tv/teomewhy） | 初学者 | 16小时53分 |
| [深入Pandas]（https://www.twitch.tv/collections/Y1BKVydmeRe1YQ） | 用于数据分析和处理的Pandas培训课程 | [Téo Me Why]（twitch.tv/teomewhy） | 初学者 | 12小时42分 |
项目、团队与文化
书籍
- 《规则就是没有规则：Netflix与自我颠覆的文化》（https://amzn.to/3DSUrKS）
- 《DevOps手册：如何在技术组织中实现敏捷性、可靠性和安全性》（https://amzn.to/30sAr42）
- 《人月神话：软件工程随笔》（https://amzn.to/3yqHTcr）
- 《凤凰项目》（https://amzn.to/3pYnQOA）
- 《独角兽项目》（https://amzn.to/3m3oOrN）
- 《Sprint：谷歌在短短五天内测试并实施新想法的方法》（https://amzn.to/3EZnLk3）
工具类
书籍
- 《正则表达式入门》（https://amzn.to/3ETyI6E）
- 《Git：实用指南》（https://amzn.to/3EU4xw5）
博客与网站
个人简介
一些值得关注的个人资料
播客
| 名称 | 主题 |
|---|---|
| 无国界职业 | 科技与职业 |
| 数据黑客 | 数据科学 |
| 咖啡之后 | 科技与职业 |
| 技术极客 | 科技与职业 |
| 数据披萨 | 数据科学 |
| 开发者突破 | 科技与职业 |
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器