開課計(jì)劃> Python數(shù)據(jù)分析

Python數(shù)據(jù)分析

報名課程可獲贈200.0元助學(xué)金
退費(fèi)說明：報名后未上課、以及僅上課半天的學(xué)員可無條件全額退培訓(xùn)費(fèi)
點(diǎn)擊查看詳情>>
課程圖標(biāo) 課程代碼 A126
時間圖標(biāo)
培訓(xùn)課時
直播 直播
￥6980
統(tǒng)一銷售價
面授 面授
￥6980
具體詢問顧問老師
注：以上課程價格為培訓(xùn)費(fèi)
標(biāo)題圖標(biāo) 課程介紹 標(biāo)題圖標(biāo)

本課程全面地介紹數(shù)據(jù)分析的流程和 Python數(shù)據(jù)分析庫的應(yīng)用及機(jī)器學(xué)習(xí)。涵蓋NumPy數(shù)值計(jì)算、Matplotlib數(shù)據(jù)可視化、pandas統(tǒng)計(jì)分析、使用pandas進(jìn)行數(shù)據(jù)預(yù)處理、機(jī)器學(xué)習(xí)及使用scikit-learn構(gòu)建模型。同時也有大量的實(shí)操練習(xí)，鞏固學(xué)習(xí)效果。

Python課程體系：

image.png

標(biāo)題圖標(biāo) 學(xué)員基礎(chǔ) 標(biāo)題圖標(biāo)

1.    有python基礎(chǔ)

2.    有一定的數(shù)據(jù)基礎(chǔ)

 

標(biāo)題圖標(biāo) 課程目標(biāo) 標(biāo)題圖標(biāo)

l 掌握數(shù)據(jù)分析的流程

l 掌握python數(shù)據(jù)分析核心庫的使用，如numpy、pandas、matplotlib

l 了解常用數(shù)據(jù)分析（挖掘）算法的原理，熟悉機(jī)器學(xué)習(xí)的各個環(huán)節(jié)，并能利用相應(yīng)的算法建模

l 熟練使用sk-learn進(jìn)行數(shù)據(jù)挖掘

 

標(biāo)題圖標(biāo) 課程大綱 標(biāo)題圖標(biāo)

課程內(nèi)容：

Python數(shù)據(jù)分析與挖掘

時間

模塊

內(nèi)容概要

Day1

數(shù)據(jù)分析初探
  1. 什么是數(shù)據(jù)分析
  2. 數(shù)據(jù)分析應(yīng)用場景
  3. 數(shù)據(jù)分析方法論
  4. 數(shù)據(jù)分析常用指標(biāo)
  5. 數(shù)據(jù)分析流程
  6. python數(shù)據(jù)分析常用模塊介紹
  7. 數(shù)據(jù)分析環(huán)境準(zhǔn)備

Numpy 數(shù)值計(jì)算基礎(chǔ)
  1. ndarray的創(chuàng)建、訪問、常用屬性
  2. 矩陣的創(chuàng)建
  3. 通用函數(shù)ufunc
  4. 廣播機(jī)制
  5. 簡單統(tǒng)計(jì)分析，讀寫文件、排序、去重、常用統(tǒng)計(jì)函數(shù)

Day2

Pandas基礎(chǔ)操作
  1. Series常用操作
  2. DataFrame常用操作
  3. 讀寫不同數(shù)據(jù)源
  4. 數(shù)據(jù)過濾與轉(zhuǎn)換
  5. 時間序列操作
  6. 分組與聚合
  7. 透視與交叉表

Pandas數(shù)據(jù)處理
  1. 合并數(shù)據(jù)，堆疊合并、主鍵合并、重疊合并
  2. 清洗數(shù)據(jù)，處理重復(fù)值、缺失值、異常值的處理
  3. 標(biāo)準(zhǔn)化數(shù)據(jù)，離差標(biāo)準(zhǔn)化、標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化、小數(shù)定標(biāo)標(biāo)準(zhǔn)化
  4. 轉(zhuǎn)化數(shù)據(jù) ，類別型特征處理為啞變量，連續(xù)性特征離散化處理

Day3

數(shù)據(jù)可視化
  1. Matplotlib繪圖
  2. Pandas 繪圖
  3. Seanborn繪圖
  4. Pyecharts繪圖
  5. 可視化實(shí)戰(zhàn)

Day4

機(jī)器學(xué)習(xí)
  1. 機(jī)器學(xué)習(xí)概述
  • 機(jī)器學(xué)習(xí)算法分類
  • 機(jī)器學(xué)習(xí)完整流程
  • 機(jī)器學(xué)習(xí)模型評估
  1. 常用算法原理解析
  • 線性回歸
  • 邏輯回歸
  • 樸素貝葉斯
  • 決策樹
  • 集成學(xué)習(xí)
  • 支持向量機(jī)
  • KNN
  • Kmeans
  • 關(guān)聯(lián)規(guī)則
  • 時序模式
  • 推薦算法
  1. sk-learn 框架
  • 拆分?jǐn)?shù)據(jù)集
  • 特征工程
  • 模型訓(xùn)練
  • 模型評估

Day5

數(shù)據(jù)分析實(shí)戰(zhàn)
  1. 拉勾網(wǎng)招聘需求分析
  2. 客戶價值分析
  3. 房價數(shù)據(jù)分析
  4. 電影推薦系統(tǒng)

Day6

數(shù)據(jù)分析實(shí)戰(zhàn)
  1. 股票數(shù)據(jù)分析
  2. 商品評論情感分析
  3. 評分卡模型

擴(kuò)充知識點(diǎn)
  1. 大數(shù)據(jù)場景的分析
  2. 更多學(xué)習(xí)平臺推薦