Python到底是不是數據分析最好的語言？聽聽這位大神怎麼說...

微信公眾號

關鍵字全網搜索最新排名

【機器學習演算法】：排名第一

【機器學習】：排名第二

【Python】：排名第三

【演算法】：排名第四

立即參團

原價

￥899.00

100人以上 ￥499.00

200人以上

￥399.00

現已達最低價

前往文末加客服參團

課程名稱

《Python數據分析》升級版第二期

主講老師

梁斌 資深演算法工程師

查爾斯特大學（Charles Sturt University）計算機博士，從事機器學習、計算機視覺及模式識別等相關方向的研究，在計算機視覺等國際會議及期刊發表10餘篇學術論文。現就職於澳大利亞某科學研究機構，負責演算法改進及其產品化、數據分析處理及可視化。

課程簡介

近兩年來，數據分析師的崗位需求非常大，90%的崗位技能需要掌握Python作為數據分析工具，本課程以案例驅動的方式講解如何利用Python完成數據獲取、處理、數據分析及可視化方面常用的數據分析方法與技巧。

升級版第二期的課程更新內容

本期課程在《Python數據分析》升級版的基礎上，主要新增了

探索性數據分析（Exploratory Data Analysis，EDA）、金融數據量化分析及深度學習基礎

等三大數據分析工具，覆蓋了時下最前沿的數據分析技術。具體新增內容如下：

1. 新增

探索性數據分析

，更好地結合數據可視化發掘數據的模式與特點

2. 新增

金融數據量化分析

，更好地結合時間序列分析探索金融數據的發展趨勢

3. 新增

深度學習基礎

，更好地結合機器學習探索人工智慧的技術趨勢

4. 升級並調整全部隨課項目，並提供更詳細的分析步驟

5. 系統性地將相關章節的項目整理成一個完整的項目，使學員能夠更加充分地理解數據分析的流程和步驟

學習收益

通過本課程的學習，學員將會收穫：

1. 熟悉數據分析的流程，包括數據採集、處理、可視化、數據建模等
2. 掌握Python語言作為數據分析工具，從而有能力駕馭不同領域數據分析實踐
3. 掌握非結構化數據的處理與分析、探索性數據分析及量化分析

4. 快速積累多個業務領域數據分析項目經驗，包括金融數據、文本數據及圖像數據
5. 掌握使用Python實現基於機器學習及深度學習的數據分析和預測
6. 掌握數據分析中常用的建模知識

開課時間

2017年5月28日，共10次，每次2~3小時

學習方式

在線直播

，共

10

次

每周

2

次（

周六、周日下午3 - 5點

）

直播後提供錄製

回放

視頻

可在線

反覆

觀看，有效期

1

年

課程大綱

第一課 工作環境準備及數據分析建模理論基礎 (2-3課時)

1. 課程介紹

2. 數據分析的基本概念

3. Python簡介和環境部署

4. NumPy數據結構及向量化

5. 數據分析建模理論基礎

a. 機器學習基礎

b. 數據分析建模過程

c. 常用的數據分析建模工具

6. 實戰案例1：使用Python實現蒙特卡洛模擬的期權估值

第二課 數據分析工具Pandas (2-3課時)

1. Pandas的數據結構

2. Pandas的數據操作

a. 數據的導入、導出

b. 數據的過濾篩選

c. 索引及多重索引

3. Pandas統計計算和描述

4. 數據的分組與聚合

5. 數據清洗、合并、轉化和重構

6. 實戰案例2-1：Lending Club借貸數據處理及初步分析

第三課 探索性數據分析(EDA)及數據可視化 (2-3課時)

1. 什麼是EDA

2. 探索單變數、多變數的關係及其可視化

3. 3D繪圖

4. 實戰案例2-2：Lending Club借貸數據探索性分析及可視化

第四課 機器學習及scikit-learn(2-3課時)

1. 機器學習基本概念與流程

2. Python機器學習庫scikit-learn

3. 常用評價指標

4. 分類預測模型– Logistic回歸與Softmax回歸

5. 實戰案例2-3：Lending Club借貸違約預測

第五課 金融數據分析(1)--金融時間序列(2-3課時)

1. Pandas的時間處理及操作

2. 金融數據

3. 金融學圖表

4. 高頻數據分析

5. 實戰案例3-1：股票收益率回歸分析

第六課 金融數據分析(2)--量化分析 (2-3課時)

量化分析基礎

1. 量化策略建模流程及回測

2. 常用量化分析指標及框架

3. TA-Lib金融軟體工具

4. 實戰案例3-2：多因子策略模型

第七課 圖像數據處理及分析 (2-3課時)

1. 基本的圖像操作和處理

2. 常用的圖像特徵描述

3. 聚類模型：K-Means

4. 實戰案例4：電影海報主色調聚類分析

第八課 深度學習及TensorFlow (2-3課時)

1. 人工神經網路及深度學習

2. TensorFlow框架學習及使用

3. TensorFlow實現卷積神經網路

4. 實戰案例5：基於TensorFlow的101類圖像識別(Caltech101)

第九課 文本數據分析 (2-3課時)

1. Python文本分析工具NLTK

2. 情感分析與文本分類

3. TensorFlow實現文本深度表示模型Word2Vec

4. 分類與預測模型-- 樸素貝葉斯

5. 實戰案例6：搜狐新聞數據分類

第十課 項目實戰(2-3課時)

1. 交叉驗證及參數調整

2. 特徵降維與特徵選擇

3. 實戰案例7：根據日常新聞預測股市動向

4. 課程總結

常見問題

Q： 本門課程需要什麼基礎 ?

A：有基本的大學數學基礎， 掌握Python基本編程。

Q：會有實際上機演示和動手操作嗎？

A：有的，老師會在相關課時準備上機演示部分，學員可以學習老師的實踐經驗

Q： 本課程必須提前掌握Python嗎？

A： 不是必須的，本課程將系統講授Python編程語言。如果你熟悉其他編程語言Java、C、Scala，學習Python是很容易的。

Q： 學習過程中，有疑問怎麼解決？

A： 可以在http://wenda.chinahadoop.cn/，老師會解答；也可以在群里和同學討論

Q

：在哪裡上課？

A：課程直播和回放都在小象學院官網（http://www.chinahadoop.cn）上進行，不需要其他直播軟體；如果希望上下班路上觀看，可以下載小象學院app進行緩存。

長按掃碼加客服——

參團，諮詢，查看課程

投稿、商業合作

請發郵件到：357062955@qq.com

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 Python 的精彩文章: