目前存在问题，需要看的东西比较杂，没有一个很好的规划，所以今天对自己拥有的资源进行总结并规划，使以后的学习有更好的效率。

---

拥有书籍及简介

1. 《R语言 统计入门》  工具书 从R语言基础开始，通过实例介绍如何使用R语言进行统计计算。

2. 《Python数据分析基础》 工具书 通过实例介绍如何使用Python对数据进行处理，类似查询工具书，碰到需求可以查看如何实现并模仿。

3. 《利用Python进行数据分析》 工具书 通过实例介绍当前Python在数据分析中主要使用的库及工具，主要以Python3为主。

4. 《实用数据分析》 工具书 简单介绍使用Python及其他工具进行数据分析。

5. 《概率论与数理统计教程》 理论书 统计学基础，主要内容是统计学的基础知识及概念。是统计的基础

6. 《数据分析方法》 理论书 数据分析方法简介。对基础的数据分析方法进行介绍，并将模型的数学公式进行罗列

7. 其余电子书。 主要以数据分析为主。其中有数据科学家, Python进行机器学习，R语言实战等。

学习路径（学习顺序）

在进行知识储备的时候，往往是先进行理论的学习，之后再进行工具的练习。近些年越来越发现一点，工具只是服务知识的东西。因为目前的工具都是在理论基础上进行的设计，只有熟知理论基础，才能更好的使用工具。

但是在实战中理论知识才能更好的被接受，而是用工具进行学习，就是实战的一个过程。所以我遇到一个大的问题。那就是从工具入手还是从理论入手。个人认为论知识的扎实程度来看，是要以 理论知识为基础，再发展工具的使用。但是从理论开始，将要学习的很广的基础知识，其中一些东西在平时的工作中是不会使用和接触的，所以时间长，需要很大的耐心。而从上手的角度来看，还是使用工具入手比较快。在现实工作中可以根据现实需求进而学习理论知识。所以从我个人的情况来看，我建议自己从工具开始入手。自己的学习路径应该如下: 

R语言统计入门（对实例进行手敲的联系）&《利用Python基尼性能跟数据分析》同时进行，在练习过程中使用《概率论与数理统计教程》和《数据分析方法》作为工具书，对实例中涉及到的概念及 理论进行查缺补漏。当两本工具书看完后，再进而对两本理论书进行学习。

日常记录

通过简书打卡，将学习内容和疑问进行记录及总结。通过这种方式来勉励自己。

总结

由于需要看的东西太多，所以从工具入手是最快的方式，而坚持才是根本，开始记录自己坚持的时间，为自己打Call!