课程将从Python的基本使用方法开始,一步步讲解,从ETL到各种数据分析方法的使用,并结合实例,让学员能从中借鉴学习。现将有关事宜通知如下: 时间地点: 2017年4月21日--4月24日 北 京 (时间安排:第一天报到、授课三天) 咨询QQ:1329337303 课程目标: 1. 掌握Python的基本用法 2. 掌握Python基本数据分析方法 3. 科学计算的基础 -- NumPy 4. 强大高效的数据分析环境 – Pandas 5. 掌握Python数据可视化工具 -- Pyplot 6. Python机器学习工具——Scikit 7. Python深度学习的利器——Tensorflow 8. 通过手把手的实操指导,掌握Python语言数据处理方法与编程技术 9. 通过不同案例讲解与模拟操作掌握Python实施数据科学项目的方法 10. 掌握Python语言自主学习实践的方法与技巧; 课 程 大 纲 | | | | n 大数据与数据科学 n 统计方法论 n 数据挖掘与统计学习 n Python应用 | | | | | n 安装配置、语法及数据结构 n 运算符、控制流及函数 n 网络爬虫 | | | | | n ndarray创建、组合与分割 n ufunc运算及矩阵运算 n DataFrame创建、合并 n 数据聚合、分组与转换 n 缺失与异常值处理 n 数据汇总与描述统计 n 透视表与交叉表 | | | | | n 日期及时间数据类型及其处理 n 时间序列基础 n 日期范围、频率及移动 n 时区处理及其算术运算 n 重采样及频率转换 n 时序绘图 | | | | | n 绘图基础Matplotlib n Python图形化生态系统 n 地震危机数据地图 n 航空地理信息图 | | | | | n 假设检验——常用假设检验与实例分析 n 线性回归——前列腺癌病预测 n logistic回归——南非心脏病 | | | | | n 机器学习方法论 n 特征提取与处理 n 分类、聚类及降维 | | | | | n sk-learn感知器、支持向量机、神经网络 n Tensorflow n 回顾与总结 |
|