立即參團(tuán)

原價(jià)￥899.00

100人以上 ￥ 499.00

200人以上￥ 399.00

300人以上￥ 299.00

目前已達(dá)最低價(jià)

文末加客服微信參團(tuán)

課程名稱

《Python數(shù)據(jù)分析》 升級(jí)版

主講老師

梁斌 資深算法工程師

查爾斯特大學(xué)（Charles SturtUniversity）計(jì)算機(jī)博士，從事機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)及模式識(shí)別等相關(guān)方向的研究，在計(jì)算機(jī)視覺(jué)等國(guó)際會(huì)議及期刊發(fā)表10余篇學(xué)術(shù)論文。現(xiàn)就職于澳大利亞聯(lián)邦科學(xué)與工業(yè)研究組織（CSIRO），負(fù)責(zé)算法改進(jìn)及其產(chǎn)品化、數(shù)據(jù)分析處理及可視化。

課程描述

近兩年來(lái)，數(shù)據(jù)分析師的崗位需求非常大，90%的崗位技能需要掌握Python作為數(shù)據(jù)分析工具，Python語(yǔ)言的易學(xué)性、快速開(kāi)發(fā)，擁有豐富強(qiáng)大的擴(kuò)展庫(kù)和成熟的框架等特性很好地滿足了數(shù)據(jù)分析師的職業(yè)技能要求。

本課程以案例驅(qū)動(dòng)的方式講解如何利用Python完成數(shù)據(jù)獲取、處理、數(shù)據(jù)分析及可視化方面常用的數(shù)據(jù)分析方法與技巧。每章節(jié)中都會(huì)引入Kaggle或工業(yè)項(xiàng)目數(shù)據(jù)集，通過(guò)這些實(shí)際案例讓學(xué)員輕松掌握使用Python分析來(lái)自不同領(lǐng)域的數(shù)據(jù)，隨課代碼及案例代碼均會(huì)提供給學(xué)員自行實(shí)操。

升級(jí)內(nèi)容

據(jù)IDC的調(diào)查報(bào)告顯示：企業(yè)中的大部分?jǐn)?shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)每年都按指數(shù)增長(zhǎng)60%。因此，本期升級(jí)課程在《Python數(shù)據(jù)分析》第一期的基礎(chǔ)上，主要新增了非結(jié)構(gòu)化數(shù)據(jù)分析以及常用的分析建模方法，從而幫助學(xué)員及時(shí)更新并掌握最新的數(shù)據(jù)分析知識(shí)。

具體新增內(nèi)容如下：

1. 使用最新版本的Python 3.x作為分析工具

2. 新增數(shù)據(jù)分析常用的建模知識(shí)

3. 新增使用Python處理和分析時(shí)間序列數(shù)據(jù)

4. 新增使用Python進(jìn)行文本數(shù)據(jù)分析

5. 新增使用Python進(jìn)行圖像數(shù)據(jù)處理及分析

6. 升級(jí)全部隨課項(xiàng)目，并提供更詳細(xì)的分析步驟

適用人群

1. 想了解和學(xué)習(xí)典型的數(shù)據(jù)分析流程和實(shí)踐方法的學(xué)習(xí)者

2. 想接觸和學(xué)習(xí)非結(jié)構(gòu)化數(shù)據(jù)(比如：文本、圖像等)分析的學(xué)習(xí)者

3. 想學(xué)習(xí)數(shù)據(jù)分析中常用建模知識(shí)的相關(guān)從業(yè)人員

4. 尚不會(huì)使用Python的數(shù)據(jù)分析師從業(yè)者

5. 想轉(zhuǎn)行從事數(shù)據(jù)分析師行業(yè)的學(xué)習(xí)者

6. 想使用Python實(shí)現(xiàn)機(jī)器學(xué)習(xí)的工程師

學(xué)習(xí)收益

通過(guò)本課程的學(xué)習(xí)，學(xué)員將會(huì)收獲：

1. 熟悉數(shù)據(jù)分析的流程，包括數(shù)據(jù)采集、處理、可視化等

2. 掌握Python語(yǔ)言作為數(shù)據(jù)分析工具，從而有能力駕馭不同領(lǐng)域數(shù)據(jù)分析實(shí)踐

3. 掌握非結(jié)構(gòu)化數(shù)據(jù)的處理與分析

4. 快速積累多個(gè)業(yè)務(wù)領(lǐng)域的數(shù)據(jù)分析項(xiàng)目經(jīng)驗(yàn)

5. 掌握使用Python實(shí)現(xiàn)基于機(jī)器學(xué)習(xí)的數(shù)據(jù)分析和預(yù)測(cè)

6. 掌握數(shù)據(jù)分析中常用的建模知識(shí)

開(kāi)課時(shí)間

2017年2月18日，共9次，每次2小時(shí)

學(xué)習(xí)方式

在線直播，共9次

每周2次（周六、周日晚上15:00-17:00）

直播后提供錄制回放視頻

可在線反復(fù)觀看，有效期1年

課程大綱

第一課工作環(huán)境準(zhǔn)備及數(shù)據(jù)分析建模理論基礎(chǔ) (2課時(shí))

1. 課程介紹

2. Python語(yǔ)言基礎(chǔ)及Python 3.x新特性

3. 使用NumPy和SciPy進(jìn)行科學(xué)計(jì)算

4. 數(shù)據(jù)分析建模理論基礎(chǔ)

a. 數(shù)據(jù)分析建模過(guò)程

b. 常用的數(shù)據(jù)分析建模工具

5. 實(shí)戰(zhàn)案例：科技工作者心理健康數(shù)據(jù)分析(Mental Health in Tech Survey)

第二課數(shù)據(jù)采集與操作 (2課時(shí))

1. 本地?cái)?shù)據(jù)的采集與操作

a. 常用格式的本地?cái)?shù)據(jù)讀寫(xiě)

b. Python的數(shù)據(jù)庫(kù)基本操作

2. 網(wǎng)絡(luò)數(shù)據(jù)的獲取與表示

a. BeautifulSoup解析網(wǎng)頁(yè)

b. 爬蟲(chóng)框架Scrapy基礎(chǔ)

3. 回歸分析-- Logistic回歸

4. 實(shí)戰(zhàn)案例：獲取國(guó)內(nèi)城市空氣質(zhì)量指數(shù)數(shù)據(jù)

第三課數(shù)據(jù)分析工具Pandas (2-3課時(shí))

1. Pandas的數(shù)據(jù)結(jié)構(gòu)

2. Pandas的數(shù)據(jù)操作

a. 數(shù)據(jù)的導(dǎo)入、導(dǎo)出

b. 數(shù)據(jù)的過(guò)濾篩選

c. 索引及多重索引

3. Pandas統(tǒng)計(jì)計(jì)算和描述

4. 數(shù)據(jù)的分組與聚合

5. 數(shù)據(jù)清洗、合并、轉(zhuǎn)化和重構(gòu)

6. 聚類(lèi)模型 -- K-Means

7. 實(shí)戰(zhàn)案例：全球食品數(shù)據(jù)分析(World Food Facts)

第四課數(shù)據(jù)可視化 (2課時(shí))

1. Matplotlib繪圖

2. Pandas繪圖

3. Seaborn繪圖

4. 交互式數(shù)據(jù)可視化 -- Bokeh繪圖

5. 實(shí)戰(zhàn)案例：世界高峰數(shù)據(jù)可視化 (World's Highest Mountains)

第五課時(shí)間序列數(shù)據(jù)分析 (2課時(shí))

1. Python的日期和時(shí)間處理及操作

2. Pandas的時(shí)間序列數(shù)據(jù)處理及操作

3. 時(shí)間數(shù)據(jù)重采樣

4. 時(shí)間序列數(shù)據(jù)統(tǒng)計(jì) -- 滑動(dòng)窗口

5. 時(shí)序模型 -- ARIMA

6. 實(shí)戰(zhàn)案例：股票數(shù)據(jù)分析

第六課文本數(shù)據(jù)分析 (2課時(shí))

1. Python文本分析工具NLTK

2. 分詞

3. 情感分析

4. 文本分類(lèi)

5. 分類(lèi)與預(yù)測(cè)模型 -- 樸素貝葉斯

6. 實(shí)戰(zhàn)案例：微博情感分析

第七課圖像數(shù)據(jù)處理及分析 (2課時(shí))

1. 基本的圖像操作和處理

2. 常用的圖像特征描述

3. 分類(lèi)與預(yù)測(cè)模型 -- 人工神經(jīng)網(wǎng)絡(luò)

4. 實(shí)戰(zhàn)案例：電影口碑與海報(bào)圖像的相關(guān)性分析

第八課機(jī)器學(xué)習(xí)基礎(chǔ)及機(jī)器學(xué)習(xí)庫(kù)scikit-learn (2課時(shí))

1. 機(jī)器學(xué)習(xí)基礎(chǔ)

2. Python機(jī)器學(xué)習(xí)庫(kù)scikit-learn

3. 特征降維 -- 主成分分析

4. 實(shí)戰(zhàn)案例：識(shí)別Twitter用戶性別 (Twitter User Gender Classification)

第九課項(xiàng)目實(shí)戰(zhàn)：通過(guò)移動(dòng)設(shè)備行為數(shù)據(jù)預(yù)測(cè)使用者的性別和年齡(2課時(shí))

1. 交叉驗(yàn)證及參數(shù)調(diào)整

2. 特征選擇

3. 項(xiàng)目實(shí)操

4. 課程總結(jié)

常見(jiàn)問(wèn)題

Q： 會(huì)有實(shí)際上機(jī)演示和動(dòng)手操作嗎？

A： 有的，幾乎每節(jié)課，老師均會(huì)準(zhǔn)備上機(jī)演示部分，學(xué)員可以學(xué)習(xí)老師的實(shí)踐經(jīng)驗(yàn)。

Q： 本課程必須提前掌握Python嗎？

A：不是必須的，本課程將系統(tǒng)講授Python編程語(yǔ)言。如果你熟悉其他編程語(yǔ)言Java、C、Scala，學(xué)習(xí)Python是很容易的。

Q： 本課程怎么答疑？

A： 會(huì)有專(zhuān)門(mén)的QQ班級(jí)群，同學(xué)們可以針對(duì)課上知識(shí)的問(wèn)題，或者自己學(xué)習(xí)與動(dòng)手實(shí)踐中的問(wèn)題，向老師提問(wèn)，老師會(huì)進(jìn)行相應(yīng)解答。也推薦大家到小象問(wèn)答社區(qū)提問(wèn)，方便知識(shí)的沉淀，老師會(huì)集中回答，不會(huì)因?yàn)镼Q群信息刷屏而被老師錯(cuò)過(guò)。

長(zhǎng)按掃碼加客服——參團(tuán)，咨詢，查看課程