热线电话:4000-51-9191

就学培训网

登录
首页系统课Python机器学习实战
Python机器学习实战
Python机器学习实战
  • 远程班 随报随学

课程简介

Python机器学习实战:在数据和信息爆炸的今天,各个行业尤其是金融、电商、房地产、医疗、健康、政府部门这类经济效应强势部门都在积极采用数据分析和数据科学协助决策的方式,来提高决策的正确性和高效性。并将其广泛应用在营销优化、风险控制、用户研究、疾病诊断、商业部署等领域。 Python机器学习实战课程涉及到Python基础、数据清洗、Python爬虫、数据可视化(Matplotlib、Seaborn、Pyecharts)和python机器学习算法等内容,并结合互联网金融、电信、银行、医疗、交通等行业实际案例来帮助学员建立整套的数据分析思路,使学员更符合企业要求。

课程简介

Python机器学习实战:在数据和信息爆炸的今天,各个行业尤其是金融、电商、房地产、医疗、健康、政府部门这类经济效应强势部门都在积极采用数据分析和数据科学协助决策的方式,来提高决策的正确性和高效性。并将其广泛应用在营销优化、风险控制、用户研究、疾病诊断、商业部署等领域。 Python机器学习实战课程涉及到Python基础、数据清洗、Python爬虫、数据可视化(Matplotlib、Seaborn、Pyecharts)和python机器学习算法等内容,并结合互联网金融、电信、银行、医疗、交通等行业实际案例来帮助学员建立整套的数据分析思路,使学员更符合企业要求。

学习对象和基础

在校学生、转行欲从业人士
在职数据分析师
有一定的统计基础最佳
对Python数据分析和挖掘感兴趣的业界人士
学习完《数据分析与SPSS应用》课程学员为佳

01Python编程基础知识

01-01成为Python高手之前必备基础知识
01-02数据分析的武器库与分析工具Python介绍
01-03Python的基本数据类型和数据结构
01-04Python的程序控制
01-05Python的函数与模块
01-06Python日期和时间处理
01-07Python字符串处理与正则表达式
01-08Python异常处理和文件操作
01-09实战:基于Python的函数创建与商业实操文件操作

02Python进行数据整理和数据清洗

01-01Numpy中的数据类型--ndarray数组的创建
01-02Numpy数组基础:索引、切片、变形、分裂
01-03Numpy数组运算:通用函数
01-04Numpy数组变形、拼接
01-05Numpy数组计算:广播、聚合、比较和掩码、数组排序
01-06Pandas对象简介:Series、Dataframe、Index
01-07Pandas数据加载与存储
01-08Pandas数值运算方法:通用函数、聚合函数、遍历
01-09Panda层次化索引
01-10Pandas数据处理:数据类型转换、缺失值处理、字符串转换
01-11Pandas数据表的合并与连接
01-12Pandas数据的累计与分组
01-13高性能Pandas:query()、eval()实现高性能运算
01-14Pandas数据规整化:清理、转换、合并、重塑
01-15Pandas时间序列&金融数据处理
01-16实战案例1:泰坦尼克幸存者数据清洗
01-17实战案例2:USDA食品数据清洗

03Python进行网络爬虫

01-01网络爬虫基础知识
01-02网络请求及响应-Requests库
01-03HTML文档解析-BeautifulSoup库
01-04常见反爬虫机制及应对
01-05网络爬虫 VS 网络数据抓取
01-06实战1:新东方批量下载头像
01-07实战2:抓取豆瓣书籍简介
01-08实战3:模拟浏览器selenium抓取电商商品信息及评论

04Python进行数据可视化技术

01-01绘图思想的基本原理
01-02Python数据可视化包-Matplotlib介绍
01-03使用Matplotlib进行基本的图形绘制
01-04使用Python数据处理包Pandas做可视化
01-05Python数据可视化包-Seaborn介绍与图形绘制
01-06Python数据可视化包-Pyecharts介绍与图形绘制
01-07使用Python进行地图绘制-Pyecharts
01-08数据可视化技巧

05Python进行机器学习和sklearn实战

01-01机器学习和Scikit-Learn简介
01-02机器学习之超参数与模型验证:学习曲线、网格搜索
01-03机器学习之特征工程:分类特征、文本特征、图像特征、特征衍生、缺失值填充、特征管道
01-04KNN-最近邻分类器(实战:改进约会网站配对效果)
01-05朴素贝叶斯分类算法(实战:垃圾邮件过滤)
01-06决策树与随机森林(实战:红酒分类)
01-07线性回归分析(实战:预测鲍鱼的年龄)
01-08Logistic回归分析(实战:构建信用卡反欺诈模型)
01-09支持向量机算法(实战:手写数字识别)
01-10利用AdaBoost元算法提高分类性能(实战:泰坦尼克幸存者预测)
01-11树回归--CART树与Xgboost
01-12无监督学习:K-means聚类
01-13无监督学习:Apriori进行关联分析
01-14无监督学习:FP-growth进行频繁项挖掘
01-15无监督学习:LDA、LSI
01-16简化数据与降维:PCA与SVD