2017小象学院Python数据分析与挖掘

空间力

课程名称:  2017小象学院Python数据分析与挖掘

免费试看:    

下载地址：

游客， 下载地址需要支付 48下载币 才能浏览支付

课程简介:    

数据分析与挖掘
2017年2月开班的升级版非5月28日开班的第二版具体请看本帖新增内容蓝色部分-小象

《Python数据分析》 升级版第二期
  
主讲老师：
梁斌    资深算法工程师
查尔斯特大学（Charles Sturt University）计算机博士，从事机器学习、计算机视觉及模式识别等相关方向的研究，在计算机视觉等国际会议及期刊发表10余篇学术论文。现就职于澳大利亚某科学研究机构，负责算法改进及其产品化、数据分析处理及可视化。
课程简介：
  
近两年来，数据分析师的岗位需求非常大，90%的岗位技能需要掌握Python作为数据分析工具，本课程以案例驱动的方式讲解如何利用Python完成数据获取、处理、数据分析及可视化方面常用的数据分析方法与技巧。
升级版第二期的课程更新内容：
本期课程在《Python数据分析》升级版的基础上，主要新增了探索性数据分析（Exploratory Data Analysis，EDA）、金融数据量化分析及深度学习基础等三大数据分析工具，覆盖了时下最前沿的数据分析技术。具体新增内容如下：
新增探索性数据分析，更好地结合数据可视化发掘数据的模式与特点
新增金融数据量化分析，更好地结合时间序列分析探索金融数据的发展趋势
新增深度学习基础，更好地结合机器学习探索人工智能的技术趋势
升级并调整全部随课项目，并提供更详细的分析步骤
系统性地将相关章节的项目整理成一个完整的项目，使学员能够更加充分地理解数据分析的流程和步骤

注意:本资源是2017年2月开班的第一期升级版,除去上面部分列出的更新内容就是本版(第一期升级版)的内容.

面向人群：
      1.  想了解和学习典型的数据分析流程和实践方法的学习者
      2.  想接触和学习非结构化数据(比如：文本、图像等)分析的学习者
      3.  想学习数据分析中常用建模知识的相关从业人员
      4.  尚不会使用Python的数据分析师从业者
      5.  想转行从事数据分析师行业的学习者
      6.  想使用Python实现金融数据分析、机器学习或深度学习的工程师  
学习收益：
通过本课程的学习，学员将会收获：
      1.  熟悉数据分析的流程，包括数据采集、处理、可视化、数据建模等
      2.  掌握Python语言作为数据分析工具，从而有能力驾驭不同领域数据分析实践
      3.  掌握非结构化数据的处理与分析、探索性数据分析及量化分析
      4.  快速积累多个业务领域数据分析项目经验，包括金融数据、文本数据及图像数据
      5.  掌握使用Python实现基于机器学习及深度学习的数据分析和预测
      6.  掌握数据分析中常用的建模知识
               
开课时间：
2017年5月28日
学习方式：
  
在线直播，共10次课，每次2-3小时
每周2次（周六、日，晚上20:00 - 22:00）
注意：第一次课是5月28日晚上20:00 - 22:00

            第二次课是5月29日晚上20:00 - 22:00

直播后提供录制回放视频，可在线反复观看，有效期1年
课程大纲：
  
第一课 工作环境准备及数据分析建模理论基础 (2-3课时)
    1.  课程介绍
    2.  数据分析的基本概念
    3.  Python简介和环境部署
    4.   NumPy数据结构及向量化
    5.  数据分析建模理论基础
         a. 机器学习基础
         b. 数据分析建模过程
         c. 常用的数据分析建模工具
     6.  实战案例1：使用Python实现蒙特卡洛模拟的期权估值
第二课 数据分析工具Pandas (2-3课时)
    1.  Pandas的数据结构
    2.  Pandas的数据操作
         a. 数据的导入、导出
         b. 数据的过滤筛选
         c. 索引及多重索引
     3.  Pandas统计计算和描述
     4.  数据的分组与聚合
     5.  数据清洗、合并、转化和重构
     6.  实战案例2-1：Lending Club借贷数据处理及初步分析
第三课 探索性数据分析(EDA)及数据可视化 (2-3课时)
     1.  什么是EDA
     2.  探索单变量、多变量的关系及其可视化
     3.  3D绘图
     4.  实战案例2-2：Lending Club借贷数据探索性分析及可视化
第四课 机器学习及scikit-learn(2-3课时)
     1.  机器学习基本概念与流程
     2.  Python机器学习库scikit-learn
     3.  常用评价指标
     4.  分类预测模型– Logistic回归与Softmax回归
     5. 实战案例2-3：Lending Club借贷违约预测
第五课 金融数据分析(1)--金融时间序列(2-3课时)
     1.  Pandas的时间处理及操作
     2.  金融数据
     3.  金融学图表
     4.  高频数据分析
     5.  实战案例3-1：股票收益率回归分析
第六课 金融数据分析(2)--量化分析 (2-3课时)量化分析基础
     1.  量化策略建模流程及回测
     2.  常用量化分析指标及框架
     3.  TA-Lib金融软件工具
     4.  实战案例3-2：多因子策略模型
第七课 图像数据处理及分析 (2-3课时)
     1.  基本的图像操作和处理
     2.  常用的图像特征描述
     3.  聚类模型：K-Means
     4.  实战案例4：电影海报主色调聚类分析
第八课 深度学习及TensorFlow (2-3课时)
     1.  人工神经网络及深度学习
     2.  TensorFlow框架学习及使用
     3.  TensorFlow实现卷积神经网络
     4.  实战案例5：基于TensorFlow的101类图像识别(Caltech101)
第九课 文本数据分析 (2-3课时)
     1.  Python文本分析工具NLTK
     2.  情感分析与文本分类
     3.  TensorFlow实现文本深度表示模型Word2Vec
     4.  分类与预测模型-- 朴素贝叶斯
     5.  实战案例6：搜狐新闻数据分类
第十课 项目实战(2-3课时)
     1.  交叉验证及参数调整
     2.  特征降维与特征选择
     3.  实战案例7：根据日常新闻预测股市动向
     4.  课程总结
常见问题：
  
Q： 本课程需要什么基础？
A：有基本的大学数学基础， 掌握Python基本编程。
Q： 会有实际上机演示和动手操作吗？
A： 有，几乎每节课，老师均会准备上机演示部分，学员可以学习老师的实践经验。
Q： 本课程必须提前掌握Python吗？
A： 不是必须的，本课程将系统讲授Python编程语言。如果你熟悉其他编程语言JAVA、C、Scala，学习Python是很容易的。

坏脾气祎

啥也不说了，感谢楼主分享哇！

feng123456

确实是难得好帖啊，顶先

xxzhong

看看                  

ljqkiller

确实是难得好帖啊，顶先

zjm173

下来看看。谢谢。

abcde600

hhmm哈哈哈，下载下来学习学习

lxxczy

确实是难得好帖啊，顶先

坏脾气

啥也不说了，感谢楼主分享哇！

panda

666666666666666666666