小象学院 Python数据分析 第二期升级版 视频教程附课件代码

冰点也疯狂

课程目录：
; f+ A- H4 |' c( n8 l5 G4 S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
( E% K2 {& K+ I  \9 o9 T    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& [& i, U. c8 t& ]1 x  _) A         c. 常用的数据分析建模工具
# m7 N3 z6 w$ n% D, n3 V% y5 \     6.  实战案例1：使用Python实现蒙特卡洛模拟的期权估值
2 o* W) X- p& F- t. l+ }第二课 数据分析工具Pandas (2-3课时)
( M6 Z4 B; S2 m    1.  Pandas的数据结构
    2.  Pandas的数据操作
' E% D1 c. z. f9 Z' M! Q         a. 数据的导入、导出
         b. 数据的过滤筛选
4 R5 S2 @5 N0 [( C" r         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
9 ~0 m0 ~2 F& k4 L. Q     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)
7 C  N9 Z" A0 z. `7 M' o     1.  什么是EDA
     2.  探索单变量、多变量的关系及其可视化
. c8 G; \9 K3 b/ o* s* F* G     3.  3D绘图
# M8 r0 j: M3 m3 G/ t- y0 R     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)
3 R; n% y5 `6 n( d7 t. F     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
9 N+ l: q9 F6 P# ]; c8 g     5. 实战案例2-3：Lending Club借贷违约预测
' z+ O' B, {% f+ u第五课 金融数据分析(1)--金融时间序列(2-3课时)
* n' ]6 N* i7 j, L( b' t     1.  Pandas的时间处理及操作
# R' u" t  n5 F! _8 d     2.  金融数据
+ k$ \" @4 o# J  p, K% x, V     3.  金融学图表
1 F3 G7 Z: d* Z4 j, ?     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
! p3 M2 V  q5 [# X     2.  常用量化分析指标及框架
& H, h8 e$ X( K( M- P& X% q3 l9 r4 M     3.  TA-Lib金融软件工具
/ ^7 P! d& @2 i. l" o5 J9 d     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)
) U1 R; g7 y( k& e/ ~     1.  基本的图像操作和处理
     2.  常用的图像特征描述
$ e# e! P$ N4 \; p; [5 A, d6 k     3.  聚类模型：K-Means
4 \  I: ?' [5 S- ~     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)
# r# k4 C4 `& b# A+ X     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
/ h% A! m. C- B2 r3 y     4.  实战案例5：基于TensorFlow的101类图像识别(Caltech101)
" o* h5 ~. g/ G) R- M9 c第九课 文本数据分析 (2-3课时)
2 S+ K' g& G2 }' o     1.  Python文本分析工具NLTK
     2.  情感分析与文本分类
( c2 N# c% g* m$ R     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
; k* o% V) F3 B( `. l     5.  实战案例6：搜狐新闻数据分类
. f# c9 U; s# V. x3 a8 X第十课 项目实战(2-3课时)
     1.  交叉验证及参数调整
' M' T2 p/ e" h+ Z: t. i( \  g     2.  特征降维与特征选择
; j& ^& L/ N& i1 K" ~     3.  实战案例7：根据日常新闻预测股市动向
6 o( f2 H- C9 I- X     4.  课程总结
. e* Y! d# W8 g/ ~0 y- U0 g8 W5 t

m9128213

很好的教程～～