人人都爱数据科学家！Python数据科学精华实战课程

冰点也疯狂

课程目录：
  D& U1 {( }% C7 Q) n8 r/ O2 q7 x

第一章：Python与数据科学应用

1.数据科学简介与应用

2.Python与数据科学

3.安装Anaconda

4.使用Jupyter Notebook

5.Python 3语法快速简介

6.Python 資料分析套件 - Pandas 簡介

7.数据科学步骤详解

8.实战范例 - 使用Python计算文章中的字词频率

' q& I: r1 [6 S7 B! n" r% s! t2 U

第二章：数据搜集实例

1.数据型态

2.结构化vs半结构化vs非结构化资料

3.Python IO与档案处理

4.处理CSV, Excel格式资料

5.处理JSON, XML格式资料

6.撰写网路爬虫搜集网路资料

7.实战范例 - 房天下(Fang.com)屋价资料搜集

第三章：资料清理(I)

1.资料清理概论

2.简介Pandas -使用Pandas处理资料

3.资料筛选

4.侦测遗失值

5.补齐遗失值

6.实战范例 - 房屋资料处理

3 n4 h9 B8 g( \; H. \3 M

第四章：资料清理(II)

1.资料转换

2.处理时间格式资料

3.重塑资料

4.学习正规表达式

5.实战范例 - 新闻资料处理

4 g# z. b9 ^5 J9 ?. m

第五章：资料探索与资料视觉化

1.使用Pandas产生叙述性统计

2.如何使用Pandas绘制统计图表

3.实战范例 - 网页浏览纪录资料分析

第六章：资料储存实例

1.关联式资料库- SQLite简介

2.将资料储存至资料库中

3.使用SQL Query分析结构化资料

4.实战范例 - 汇率资讯储存与管理

第七章：使用机器学习建立数据模型(回归模型)

1.机器学习基础

2.Scikit-Learn套件简介

3.监督式学习与非监督式学习

4.回归分析

5.回归模型评估

6.实战范例 - 使用回归模型分析房屋价格

) [' ~  K/ c: q

第八章：使用机器学习建立数据模型(分类模型)

1.资料分类-决策树

2.资料分类- Logistic Regression

3.资料分类- SVM

4.资料分类-类神经网路

5.资料分类-随机森林

6.实战范例 - 使用分类模型预测客户流失

第九章：使用机器学习建立数据模型(验证模型)

1.混淆矩阵（Confusion Matrix )与其意义

2.交叉验证(Cross Validation)

3.使用ROC评估不同分类模型

4.实战范例 - 评估不同客户流失分析模型

6 f" W  V3 d- ?* t+ T/ S" L# X/ F

第十章：使用机器学习建立数据模型(资料分群)

1.分群方法-阶层式分群

2.分群方法- Kmeans分群

3.分群方法- DBScan分群

4.分群结果评估

5.实战范例 - 利用分群找出文章主题

第十一章：使用机器学习建立数据模型(特征筛选与降低维度)

1.特征筛选(Feature Selection)

2.特征萃取-PCA

3.特征萃取-SVD

4.实战范例 - 使用SVD 压缩图档

' v% S0 L! c" S2 ?" X

第十二章：使用机器学习建立数据模型(关联与频繁样式分析篇)

1.关联分析(Association Rule)

2.频繁样式探勘(Frequent Pattern Mining)

3.实战范例 - 购物篮分析实例

sudha_nee

Thanks for sharing.

m9128213

很棒的教程～～