小象学院 Python数据分析 第一期升级版 视频教程附课件代码

冰点也疯狂

课程大纲：
! U% \! j! U2 u, ]第一课 工作环境准备及数据分析建模理论基础 (2课时)
      1.  课程介绍
      2.  Python语言基础及Python 3.x新特性
2 d; m4 g; q2 b8 v; o8 V+ Y      3.  使用NumPy和SciPy进行科学计算
. u: o# X2 K! I$ `6 g) J      4.  数据分析建模理论基础
- I7 Q) V' b) l           a.  数据分析建模过程
7 \6 t4 ~3 ~, D. O& W           b.  常用的数据分析建模工具
      5.  实战案例：科技工作者心理健康数据分析(Mental Health in Tech Survey)
5 U  @6 u; O- c% u/ u0 h
第二课 数据采集与操作 (2课时)
      1.  本地数据的采集与操作
6 z' v8 A* V  n$ B3 r           a.  常用格式的本地数据读写
- g! K2 u5 |* X8 D8 _# L           b.  Python的数据库基本操作
      2.  网络数据的获取与表示
           a.  BeautifulSoup解析网页
           b.  爬虫框架Scrapy基础
3 U- f  i; t1 D      3.  回归分析-- Logistic回归
* p% X/ B$ p. D) h+ M) |      4.  实战案例：获取国内城市空气质量指数数据
0 Q+ q: k9 A/ |4 X' ~, q; t" R! b
' n8 G/ R5 W2 r4 Y0 X; u第三课 数据分析工具Pandas (2-3课时)
$ g" }4 t2 z% B; J      1.  Pandas的数据结构
& k" o  p, W: s8 v# w$ G; C      2.  Pandas的数据操作
           a.  数据的导入、导出
           b.  数据的过滤筛选
2 u/ D3 n3 ^5 C3 }           c.  索引及多重索引
, R1 q, ?* C  _% @  ?1 i      3.  Pandas统计计算和描述
+ n1 }- N1 C3 ]* P      4.  数据的分组与聚合
      5.  数据清洗、合并、转化和重构
      6.  聚类模型 -- K-Means
      7.  实战案例：全球食品数据分析(World Food Facts)

第四课 数据可视化 (2课时)
+ b* v: M, V2 Z      1.  Matplotlib绘图
      2.  Pandas绘图
      3.  Seaborn绘图
      4.  交互式数据可视化 -- Bokeh绘图
. o5 e6 j7 f0 y4 S6 C      5.  实战案例：世界高峰数据可视化 (World's Highest Mountains)
8 f: P7 E- j2 u; ]# x' i" f# n3 I
* h+ n1 u; s4 f# h% x第五课 时间序列数据分析 (2课时)
- t8 y1 R- r$ Z/ L# \      1.  Python的日期和时间处理及操作
. ?  ?* @: F7 [3 V4 }      2.  Pandas的时间序列数据处理及操作
" @6 I* K# U1 _  E+ v. R8 h      3.  时间数据重采样
      4.  时间序列数据统计 -- 滑动窗口
4 P: w. l+ t" w$ i      5.  时序模型 -- ARIMA
      6.  实战案例：股票数据分析

第六课 文本数据分析 (2课时)
' K5 }8 R" S/ X. O$ K      1.  Python文本分析工具NLTK
$ g$ L" L( y& c. O5 e8 R& O      2.  分词
6 j/ W8 D0 \" R) k/ D: a2 w      3.  情感分析
      4.  文本分类
9 E8 u* u; h: ]' ~: O      5.  分类与预测模型 -- 朴素贝叶斯
      6.  实战案例：微博情感分析

第七课 图像数据处理及分析 (2课时)
: L- h; R0 y  @/ C* ~- y2 Q      1.  基本的图像操作和处理
      2.  常用的图像特征描述
      3.  分类与预测模型 -- 人工神经网络
: _. w3 x2 d/ y  m0 D      4.  实战案例：电影口碑与海报图像的相关性分析
" O7 a: r- N/ b# I  p+ P/ S
第八课 机器学习基础及机器学习库scikit-learn (2课时)
: S" L/ ~1 m7 f! v* m  @# L9 t* h4 H; H      1.  机器学习基础
      2.  Python机器学习库scikit-learn
% U& x9 |7 j" G/ A$ u      3.  特征降维 -- 主成分分析
& C; N, h% V# G& m4 ~5 I* F      4.  实战案例：识别Twitter用户性别 (Twitter User Gender Classification)

第九课 项目实战：通过移动设备行为数据预测使用者的性别和年龄(2课时)
7 b% [6 j* x1 g+ C+ C      1.  交叉验证及参数调整
: {9 y0 d% {' k! G" q4 }      2.  特征选择
      3.  项目实操
! }1 _$ t( r- n2 D9 l& g4 s* M      4.  课程总结

m9128213

很好的教程～～