Python基础入门
1 初识Python
Python简介
搭建Python环境
第一个Python程序
Python语法
Python数据类型
声明变量
运算符
算术运算符
赋值运算符
逻辑运算符
运算符优先级
条件控制
案例演练
Python字符串
声明字符串
字符串基本操作
字符串的切片操作
字符串成员运算
转义字符
字符串格式化输出
字符串内建函数
Python容器
列表
创建列表
添加元素
获取列表中的元素
删除列表中的元素
列表分片
元组
元组的特点
创建元组
访问元组
更新元组
删除元组
字典
字典的特点
创建字典
更新字典
访问字典
删除字典
集合
集合的特点
创建集合
访问集合
综合演练
Python语句
4.1 注释
4.2 作用域
4.3 条件语句
4.4 循环语句
4.4.1 while循环语句
4.4.2 for循环语句
4.4.3 break语句
4.4.4 continue语句
Python项目的组织结构
工程结构
编码规范
特殊模块
导包路径
单元测试
Python基础(二)
函数
为什么要用函数
函数的创建和调用
函数的参数(形参,实参)
函数的返回值
匿名函数:lambda表达式
特殊函数
递归
变量作用域
案例演练
异常
异常的概念
try...except语句
try...except...finally语句
raise语句
with语句
综合训练:编写一个完整的Python程序
正则表达式
什么是正则表达式
元字符
反义代码
限定符
组匹配
正则表达式案例练习
NumPy
Ndarray对象
NumPy数据类型
NumPy 数组
创建数组
数组属性
数组操作
切片和索引
遍历
修改形状
翻转
分割
数组元素的添加和删除
NumPy函数
字符串函数
数学函数
算术函数
统计函数
排序、筛选函数
pandas
pandas简介
pandas的数据类型
Series数据类型
DataFrame数据类型
pandas对数据的常见操作
数据统计
索引数据
数据排序
演练
单元测试
数据处理
数据导入和导出
csv格式
excel格式
从数据库导出数据
中文格式兼容
数据预处理
去除极端值
去除重复值
归一化
缺失值处理
数据转换
数据抽取
数据分列
演练
数据合并
数据横向合并
数据纵向合并
数据统计
汇总指标
集中指标
离散指标
相关系数
数据聚合
数据分组
透视表和交叉表
演练
单元测试
数据可视化
Matplotlib入门
图形中文显示
格式化字符
绘图函数入门
Bar
histogram
plt
绘图演练
常规图表
折线图
柱形图
条形图
散点图
气泡图
饼图
圆环图
热力图
使用pyechart生成图表
漏斗图
仪表盘
地图
水滴图
数据分析报告
数据分析思维概述
分析报告的目标?
领导眼中什么样的分析报告才是合格的?
数据分析有哪几种类型?
数据分析思维包含哪些
业务思维
建模思维
解析思维
数据分析思维
业务思维
如何定义业务问题
建立业务模型
建模思维
如何将业务问题转换成数据问题
如何将业务数据转化为结构化模型
如何应用结构化模型解决业务问题
解析思维
业务问题如何分解到可操作单元
问题解构方法之公式法
问题结构方法之决策树
生成数据分析模板
利用Python实现报表自动化
什么样的报表适合自动化
如何实现报表自动化
操作Excel自动生成图表
单元测试
数据挖掘入门
数据挖掘算法及其在Python中的应用
数据挖掘的流程
描述性数据挖掘
预测性数据挖掘
分类
分类分析的定义与目标
分类分析的评价标准
分类分析的经典算法举例:支持向量机(SVM),人工神经网络,决策树分类,最近邻分类,朴素贝叶斯分类器。
聚类
聚类分析的定义与目标
聚类分析的评价标准
K-means算法的原理
K-means在Python中的综合应用案例
其他聚类算法
决策树
决策树的原理
决策树应用
CRT决策树算法理论
决策树算法在Python中的实操
kNN
kNN算法的原理
kNN算法的复杂度分析
kNN算法在Python中的实操
数据挖掘进阶
关联
关联分析的定义与目标
关联分析的评价标准
关联分析的经典算法
回归
回归分析的定义与目标
回归分析的评价标准
回归分析的经典算法举例:线性回归,逻辑回归,多项式回归,逐步回归,岭回归。
数据不平衡处理
什么是不平衡问题
欠采样方法
过采样方法
数据挖掘算法的评价标准
ROC曲线
ROC曲线的原理
ROC曲线的构建方法
ROC曲线在Python中的实现
AUC
AUC值的原理及意义
AUC值在Python中的实现
使用AUC评价并比较多种分类算法
单元测试
总结提升篇
数据预处理总结
数据清洗
归一化处理
虚拟化变量
不平衡样本处理
算法总结
卡方检验
回归分析
K-Means聚类
CART
SVM
神经网络
协同推荐
协同过滤的原理
用户评分向量
商品评分向量
距离和相似度计算
模型构建
综合演练:使用Stacking方法提升模型稳定性
模型优化篇
降维技术
降维的概念
主成分分析原理
主成分分析的python实现
参数优化,GridSearch
GridSearch参数说明
决策树调参说明
参数优化实战案例
使用集成算法提升模型的准确度和稳定性
Bagging
Boosting
Stacking
Bagging
Bagging原理
随机森林介绍
随机森林的python实现
Boosting
Boosting原理
Xgboost介绍
Xgboost参数说明
单元测试
文本信息分析
文本挖掘技术概述
从文本数据当中我们可以获得哪些信息?
文本分析的实战演示
文本挖掘的相关技术
词频统计和分析
文集的概念,如何生成文集
分词技术的原理
搜狗词汇库库
停用词Stopwords的概念
实现分词的过程
词频统计和排序
词频的可视化:词云
如何制作自定义图形的词云
代码实现
关键字提取
提取文章关键字可以让读者快速判断是否有阅读的必要
IDF的概念
TF-IDF算法
计算词汇的TF-IDF值并排序
获取关键字列表
相似文章推荐和自动摘要
相似推荐的概念
文章的余弦相似度
推荐最接近的文章
计算分句和文章的余弦相似度
分句的相似度排序
自动获取文章摘要
单元测试
授课老师
陈剑 信息化专家、IPMA认证项目经理
常驻地：成都、厦门
邀请老师授课：13439064501 陈助理
