|
|
课程目录:
+ {1 ^" u2 X) A( D6 G第一课 工作环境准备及数据分析建模理论基础 (2-3课时). i! v! u2 t2 g9 z4 ^' \$ x
1. 课程介绍
& T3 _) {. C) _: e3 d+ S/ p' m 2. 数据分析的基本概念
# v7 y$ `; b: S' t: f 3. Python简介和环境部署
, p4 Z. t0 J# K: x5 z; r* K 4. NumPy数据结构及向量化' ~; z8 v; _' i: D& l2 v) X) T Q* I
5. 数据分析建模理论基础9 _6 h6 k! j0 A) ?1 m8 f
a. 机器学习基础
9 g. a/ Y. Y, M' r' V5 @) e3 a b. 数据分析建模过程
2 `. U6 ~, R+ ] F c. 常用的数据分析建模工具
! r( C- h- ?1 o9 w 6. 实战案例1:使用Python实现蒙特卡洛模拟的期权估值% q, L4 k7 _+ j. H" h2 V! i1 M# S
第二课 数据分析工具Pandas (2-3课时)
( L) g# |9 R O7 G/ {' K& d 1. Pandas的数据结构/ v' s; I4 n! c: k% U
2. Pandas的数据操作$ O6 ], G; `* G
a. 数据的导入、导出2 h _& r4 m) J
b. 数据的过滤筛选# f& r: z/ f* n: ^* b
c. 索引及多重索引
7 }! \$ q1 I2 K% S- a9 L* n- l 3. Pandas统计计算和描述, o7 W" j, |4 w+ W4 [
4. 数据的分组与聚合5 H( T& z5 K0 `/ V3 k7 K
5. 数据清洗、合并、转化和重构: F# e8 b ?8 ^
6. 实战案例2-1:Lending Club借贷数据处理及初步分析
3 x* S2 X! S4 l' M第三课 探索性数据分析(EDA)及数据可视化 (2-3课时): x8 P! A# W( G1 O9 s
1. 什么是EDA, l$ l2 y. h& H( R' s# C
2. 探索单变量、多变量的关系及其可视化
1 S7 X& Z) t8 r* N8 d/ B 3. 3D绘图
- x+ x0 b2 Q" A7 a) D6 |( o" X/ d 4. 实战案例2-2:Lending Club借贷数据探索性分析及可视化
2 Q1 m0 f% C( b: x c( j3 @第四课 机器学习及scikit-learn(2-3课时)1 h3 Z% t8 A, w. v" ^
1. 机器学习基本概念与流程
2 N) q- k& b7 @+ b/ j 2. Python机器学习库scikit-learn4 p7 U' f: o4 b& F
3. 常用评价指标
4 ]3 E. x8 o' g1 V% K6 ?) a# e) @ 4. 分类预测模型– Logistic回归与Softmax回归2 ~2 r% ?5 q" E; c2 i3 Q
5. 实战案例2-3:Lending Club借贷违约预测( L6 z% ]/ A% z+ i9 Z' J
第五课 金融数据分析(1)--金融时间序列(2-3课时)
! I+ y. j+ P, w7 Y6 s) R, E 1. Pandas的时间处理及操作
$ @7 o# F: D4 y8 V+ C 2. 金融数据
# @. @$ d L) N; D+ a 3. 金融学图表
0 Q8 l& y& M! h! a( c 4. 高频数据分析
/ ~6 R! K( {% I+ }6 ] 5. 实战案例3-1:股票收益率回归分析
2 ^3 N+ b6 S% I% F% q4 N- Z% @第六课 金融数据分析(2)--量化分析 (2-3课时)量化分析基础
; [- v/ r7 P, S9 o 1. 量化策略建模流程及回测2 T$ m3 A4 }- j
2. 常用量化分析指标及框架, X. X( S" k) x+ \% @: l6 O
3. TA-Lib金融软件工具
7 K$ v; { ~4 Q) E 4. 实战案例3-2:多因子策略模型
8 P2 H; V9 Z0 F2 _2 h! n2 p+ }第七课 图像数据处理及分析 (2-3课时)5 p( m6 v6 h: ^$ K7 U2 w; K
1. 基本的图像操作和处理
1 X9 D7 x( k8 e3 D6 @ 2. 常用的图像特征描述
- E0 Z& u3 A* V; T6 Y" ~ 3. 聚类模型:K-Means# v7 B& z9 @6 n7 H" e) I0 H
4. 实战案例4:电影海报主色调聚类分析" Y- S/ b+ ~; `0 H% O+ i1 B
第八课 深度学习及TensorFlow (2-3课时)
/ Y% ~0 }- X0 y. L1 W: K, T 1. 人工神经网络及深度学习
/ _+ A$ [% k" K: X( j5 K1 { 2. TensorFlow框架学习及使用
! s- D& m% ^( V x 3. TensorFlow实现卷积神经网络
1 w/ N/ n g1 e; p+ |4 C2 F+ i 4. 实战案例5:基于TensorFlow的101类图像识别(Caltech101)
, _6 [- [ q8 Q7 G5 W/ g; V. U第九课 文本数据分析 (2-3课时); r. g4 C* u1 W; L
1. Python文本分析工具NLTK
9 D! W3 M9 c9 q0 y' F 2. 情感分析与文本分类
7 ^5 H g& C( R7 ?8 S 3. TensorFlow实现文本深度表示模型Word2Vec. b. s% h$ M& U6 B# X( f2 L
4. 分类与预测模型-- 朴素贝叶斯5 C( ?' x. ?" ~0 r/ s
5. 实战案例6:搜狐新闻数据分类5 u, A1 ^1 x+ z) `9 }
第十课 项目实战(2-3课时)
! B$ J0 J+ G, x' M; L 1. 交叉验证及参数调整' w9 u5 w: g# B4 O' h- {4 P% A; W3 Y
2. 特征降维与特征选择1 j& _* K# x* i# X p' G
3. 实战案例7:根据日常新闻预测股市动向
5 |) f( T$ \0 }1 @/ k; }0 O 4. 课程总结) \3 {1 H9 y* C; Y/ {
- k) L5 N1 \" {. w" c- U |
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
×
|