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(kù)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(shí)也有大量的實(shí)操練習(xí)，鞏固學(xué)習(xí)效果。

章：Python數(shù)據(jù)分析概述
1．?dāng)?shù)據(jù)分析的概念、流程、應(yīng)用場(chǎng)景
2．?dāng)?shù)據(jù)分析常用的工具、python數(shù)據(jù)分析的優(yōu)勢(shì)、常用類庫(kù)的介紹
3．Jupyter Notebook的安裝及使用
第2章：Numpy數(shù)值計(jì)算基礎(chǔ)
1．ndarray的創(chuàng)建、訪問(wèn)、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．?dāng)?shù)學(xué)知識(shí)
6．簡(jiǎn)單統(tǒng)計(jì)分析，讀寫(xiě)文件、排序、去重、常用統(tǒng)計(jì)函數(shù)
第3章：Pandas統(tǒng)計(jì)分析基礎(chǔ)
1．Series常用操作
2．DataFrame常用操作
3．讀寫(xiě)不同數(shù)據(jù)源
4．?dāng)?shù)據(jù)過(guò)濾與轉(zhuǎn)換
5．時(shí)間序列操作
6．分組與聚合
7．透視與交叉表
第4章：利用pandas進(jìn)行數(shù)據(jù)預(yù)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
第5章：數(shù)據(jù)可視化
1．?dāng)?shù)據(jù)可視化概述
2．常用圖表，如柱狀圖、餅狀圖、直方圖、箱線圖等的介紹
3．matplotlib繪圖基礎(chǔ)，如基礎(chǔ)語(yǔ)法、rc參數(shù)、標(biāo)簽刻度、子圖等
4．matplotlib繪圖實(shí)戰(zhàn)
5．pandas繪圖實(shí)戰(zhàn)
第6章：機(jī)器學(xué)習(xí)與挖掘建模
1．機(jī)器學(xué)習(xí)概述
2．機(jī)器學(xué)習(xí)分類
3．機(jī)器學(xué)習(xí)流程
4．機(jī)器學(xué)習(xí)評(píng)估
5．經(jīng)典機(jī)器學(xué)習(xí)算法原理剖析，如knn、kmeans、樸素貝葉斯、決策樹(shù)、線性回歸、邏輯回歸、支持向量機(jī)、關(guān)系分析等
6．關(guān)聯(lián)規(guī)則算法
7．時(shí)序模式
8．物體推薦算法
9．使用sk-learn建模，包括數(shù)據(jù)集劃分、數(shù)據(jù)預(yù)處理、模型訓(xùn)練、模型評(píng)估等
第7章：數(shù)據(jù)分析與挖掘?qū)崙?zhàn)案例
1．招聘網(wǎng)站需求分析
2．航空公司客戶價(jià)值分析
3．財(cái)政收入預(yù)測(cè)分析
4．二手房房?jī)r(jià)分析

掌握數(shù)據(jù)分析的流程
掌握python數(shù)據(jù)分析核心庫(kù)的使用，如numpy、pandas、matplotlib
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(gè)環(huán)節(jié)，并能利用相應(yīng)的算法建模
熟練使用sk-learn進(jìn)行數(shù)據(jù)挖掘