|
|
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)- j u6 P; U" s5 _/ X
1. 课程介绍- c2 j3 J7 S8 R I0 l$ T
2. 数据分析的基本概念( A* X( W% Q$ ~' p8 \: p2 P/ ^
3. Python简介和环境部署9 U! ^+ b" E, E0 J6 ] @, p, h6 ?
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0 L- e- W; J: y$ @7 X0 `5 z
a. 机器学习基础9 Y a9 h) V9 _' g+ V
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; O8 L1 L5 P' S+ L: m4 W
2. Pandas的数据操作
' E% D1 c. z. f9 Z' M! Q a. 数据的导入、导出5 H8 j+ O) [+ s |" D2 C
b. 数据的过滤筛选
4 R5 S2 @5 N0 [( C" r c. 索引及多重索引7 o, h, R A: k' p) J
3. Pandas统计计算和描述5 g. @# T$ U7 K0 I3 b
4. 数据的分组与聚合' m/ w) {% {: b6 `
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. e- n' z+ {; r4 t' V" w
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( z# \& Y% G. @
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3 |$ Z' |! Q* j' O) x: `: [
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0 N7 H& ]% e" W
2. Python机器学习库scikit-learn* k) N2 }! E3 P$ a/ E
3. 常用评价指标" j5 [6 d3 O6 H8 c1 z2 Q7 Y
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3 {9 h M2 _: r5 H! ]3 X
5. 实战案例3-1:股票收益率回归分析6 M3 L3 j, e2 R% Y$ f8 }
第六课 金融数据分析(2)--量化分析 (2-3课时)量化分析基础9 H; a: M* \2 w5 _1 e1 L, A" L
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; [# X, |0 A+ L: X8 z" V( Q2 v
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# n# I8 r2 D3 }9 \
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2 M' F9 ~9 W& n# r/ }, x. Y+ ^& s
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5 X4 j* Z0 s6 M
2. TensorFlow框架学习及使用. y7 J( \8 t' B4 ]) w! h
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NLTK3 q. N {; T p9 x" z
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( O6 Y$ M/ c. L3 n& |% T
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)' J0 G9 e0 o; u
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( v% H$ l& V8 k- h% f2 c* v
|
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?立即注册
×
|