资源详情
《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,主要新增了探索忄生数据分析(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: 新增探索忄生数据分析,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 系统忄生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 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、探索忄生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 探索忄生数据分析(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借贷数据探索忄生分析及可视化 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JA危a、C、Scala,学习Python是很容易的。
下载地址
链接:https://pan.baidu.com/s/1ueBuvRSnHg7I9mqu2eyfag 密码:ze8z