教學(xué)優(yōu)勢
曙海教育的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。大批企業(yè)和曙海
建立了良好的合作關(guān)系。曙海教育的課程在業(yè)內(nèi)有著響亮的知名度。
本課程，秉承20年積累的教學(xué)品質(zhì)，以項目實現(xiàn)為導(dǎo)向,老師將會與您分享設(shè)計的全流程以及工具的綜合使用經(jīng)驗、技巧。
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
?
?課程大綱?|
章節(jié) |
主要授課內(nèi)容 |
? | |
| ? |
? 第1章 Python數(shù)據(jù)分析概述 |
1．數(shù)據(jù)分析的概念、流程、應(yīng)用場景 2．數(shù)據(jù)分析常用的工具、python數(shù)據(jù)分析的優(yōu)勢、常用類庫的介紹 3．Jupyter Notebook的安裝及使用 |
|
| ? |
? ? 第2章 Numpy數(shù)值計算基礎(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．廣播機制 5．數(shù)學(xué)知識 6．簡單統(tǒng)計分析，讀寫文件、排序、去重、常用統(tǒng)計函數(shù) |
|
|
? ? 第3章 Pandas統(tǒng)計分析基礎(chǔ) |
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 |
? | |
|
? ? 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．數(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)語法、rc參數(shù)、標(biāo)簽刻度、子圖等 4．matplotlib繪圖實戰(zhàn) 5．pandas繪圖實戰(zhàn) |
? | |
|
第6章 機器學(xué)習(xí)與挖掘建模 |
1．機器學(xué)習(xí)概述 2．機器學(xué)習(xí)分類 3．機器學(xué)習(xí)流程 4．機器學(xué)習(xí)評估 5．經(jīng)典機器學(xué)習(xí)算法原理剖析，如 knn、kmeans、樸素貝葉斯、決策樹、線性回歸、邏輯回歸、支持向量機、關(guān)系分析等 6．關(guān)聯(lián)規(guī)則算法 7．時序模式 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、模型評估等 |
? | |
|
第7章? 數(shù)據(jù)分析與挖掘?qū)崙?zhàn)案例 |
? | ? | |
?
