小象学院 Python 数据分析和数据挖掘 第一期视频教程附配套文档与资料【12课时】

冰点也疯狂

课程大纲：
第一课. “一天理解数据、数据分析和数据挖掘“。
基本概念：数据是什么；通过一个数据实例了解数据分析和数据挖掘的任务和过程；
理论知识点1：统计初步。
) _, p( Y# M6 `
+ U  Y$ Y  `2 @. {; V第二课. “必先利其器”。
使用Python搭建初步的数据分析环境；数据结构；数据生成，载入和存储，数据库知识；
( \% b) q! G) Q5 E& D  J$ F) s理论知识点2：概率和矩阵运算。

第三课. “了解你的数据”。
, ]/ N6 X, L' D7 p0 j* u+ `/ F数学建模：从实际业务到抽象模型的转换，变量的提取；对数据质量进行初步检验；数据预处理：数据清洗，数据变换，异常值处理，粒度变换，维度变换，离散化等。
1 o$ O4 D+ q! z
5 m$ v* d! `0 l第四课. “理解你的数据”。
# ~. v8 e8 f8 p) C6 z6 u! `! p$ ~* O数据分析初步：描述性分析；数据分析初步：研究变量之间的关系；数据分析初步：图形和数据可视化，使用可视化进行探索式分析；再说数据质量：抽样；完善Python环境。

, @4 u  i8 @. e第五课. “深入理解你的数据”。
数据分析进阶：基于假设检验的数据分析，相关、卡方、方差分析；对数据进行降维处理，PCA和SVD；
理论知识点3：假设检验，经典数据分析的框架。
3 J% {% g4 u. R! U# W/ ?
第六课. “解释与预测”。
$ G* S' p! d, H# _5 F回归分析--线性回归，用线性回归模型进行预测，实例-销售量预测；数据分析进阶：广义线性回归，当应变量的分布非正态分布时，实例-用户访问量的预测；
6 Y; d! w6 z- Q& C% T; ]理论知识点4：模型选择。

第七课. “发现数据蕴含的新模式1”。
数据挖掘初步：定义数据点之间的距离；实例，如何根据兴趣判断两个用户的契合度；构造新变量；KNN；
  h: J* f; t) V- |. T$ g$ c) _理论知识点5：模式识别初步。
7 [) r( E, R4 d% u. Y; g. w
第八课. “新模式：数据之间蕴含的关联关系”。
) k- ?) z. W! h8 ]+ P事务型数据挖掘：挖掘频繁项集-电影、购物、图书数据，关联分析-Apriori算法，相关分析。

第九课. “使用数据辅助决策”。
1 o0 c" S. t2 b& h; s分类分析：决策树，案例-信用评级；朴素贝叶斯进行分类分析：案例-信用评级；贝叶斯信念网络、支持向量机等其他分类方法；
理论知识点6：再说模型选择
: F* H. @3 x" d+ f# a+ j" p
第十课. “发现新模式2”。
聚类分析：基本概念、方法、和评价；基于划分的方法，案例-寻找客户类型；基于相关的方法，基于密度的方法；
理论知识点7：信息学初步
% ?3 a  T$ z3 X1 V" s
第十一课. “不可二次踏入的河流”。
时间序列：金融、天气等数据的分析和挖掘；
( b; ^8 q4 P- @5 d4 l+ Y* u理论知识点8：时间序列分析

第十二课. “一个大招放倒自己”。
数据分析和挖掘综合案例
; }7 Z5 H& n0 D+ q
课程目录：
. w# v" T# u2 c; ]: b3 N第1 章 ： 第一周回放课
课时1：第一课：一小时理解数据和数据分析与挖掘
课时2：第二课：统计基础

& s5 f7 a$ U7 M" `3 M9 i第2 章 ： 第二周回放课
课时3：第三课：数据预处理
6 ?9 Z  D' B/ i8 E& e课时4：第四课：理解样本数据

第3 章 ： 第三周回放课
  e% h# m" m& M7 o课时5：第五课：探索变量之间的关系
/ ^6 f: V6 C) E2 [5 k  t课时6：第六课：回归分析和基于模拟的分析

, b* n2 o6 S* D) P第4 章 ： 第四周回放
) [7 `( h: U, v+ N5 c课时7：第七课：分类和预测
3 _% S1 R5 e5 a4 Z; [  t课时8：第八课：邻近度和聚类

) m. N( Z) M1 q8 R7 |, s第5 章 ： 第五周回放
课时9：第九课：事务型数据和关联分析
9 ?. L' l  X3 h# f4 P5 ^& x0 S1 `* m
第6 章 ： 第六周回放
课时10：第十课：豆瓣数据案例
课时11：第十一课：时间序列分析和金融数据
课时12：第十二课：金融数据分析案例
" n& o/ O) P3 {5 t2 a. o2 p