致力于提升研发企业的持续创新能力

结盟众多企业“教练”, 共同设计、开发及提供人才培养解决方案,通过新颖多样的学习方式,针对性的定制化内容,助力企业全面提升竞争优势。

课程分类列表

python数据分析与数据挖掘
课程类别:软件架构

Python 数据分析 机器学习 数据挖掘

课程讲师:

覃老师

课程周期:

3天

课程费用:

30000元/天

主题 大纲
一、python基础学习 1.print使用
2.运算符和变量
3.循环
4.列表元组字典
5.if条件
6.函数
7.模块
8.类的使用
9.input用法
10.文件读写
11.异常处理
案例:猜数字游戏设计
二、.科学计算包numpy使用学习 1.numpy的属性
2.创建array
3.numpy的运算
4:随机数生成以及矩阵的运算
5.numpy的索引
6.array合并
7.array分割
8.numpy的浅拷贝和深拷贝
三、数据分析库pandas使用学习 1.Series,DataFrame
2.选择数据
3.赋值及操作
3.处理丢失数据
4.读取及写入文件
5.合并
四、绘图工具包matplotlib学习 1.基础用法
2.figure图像
3.设置坐标轴
4.legend图例
5.scatter散点图
6.contours等高线图
7.subplot
五、人工智能与机器学习基础 1.人工智能概述
2.机器学习概述
3.机器学习算法应用分析
六、回归算法一 1.一元线性回归
2.代价函数
3.梯度下降法
4.标准方程法
5.sklearn一元线性回归应用
6.多元线性回归 7.sklearn多元线性回归应用
8.非线性回归介绍
案例:葡萄酒质量和时间的关系
案例:职位与薪资回归关系
七、回归算法二 1.特征缩放,交叉验证法
2.过拟合正则化
3.岭回归
4.sklearn实现岭回归
5.LASSO回归
6.sklearn实现LASSO回归
7.弹性网
案例:波士顿房价预测项目
八、逻辑回归 1.逻辑回归
2.正确率,召回率,F1指标
3.sklearn实现逻辑回归
4.sklearn实现非线性逻辑回归
案例:银行用户流失预测项目
九、KNN 1.KNN算法介绍
2.python实现knn算法
3.sklearn实现knn算法
案例:鸢尾花数据集分类
十、决策树 1.决策树-信息熵,ID3,C4.5算法介绍
2.sklearn实现决策树
3.决策树-CART算法
4.CART算法实践
5.决策树解决线性二分类问题
6.决策树解决非线性二分类问题
案例:叶子分类项目
十一、神经网络算法 1.人工神经网络发展史
2.单层感知器
3.激活函数,损失函数和梯度下降法
4.BP算法介绍
案例:BP算法解决手写数字识别问题
十二、SVM算法 1.SVM算法原理
案例:SVM实现人脸识别
十三、集成学习 1.Bagging介绍与使用
2.随机森林介绍与使用
3.Adaboost介绍与使用
4.Stacking和Voting介绍与使用
案例:泰坦尼克号获救人员预测项目
十四、聚类算法 1.k-means算法原理
2.k-means算法实现
3.DBSCAN算法原理
4.DBSCAN算法实现
案例:NBA球队聚类
十五、葡萄酒质量分类项目 1.缺失值处理
2.标签处理
3.模型预测
十六、天气预测项目 1.数据预处理
2.特征选择
3.模型预测
十七、贷款违约预测项目 1.缺失值处理
2.特征抽象
3.特征缩放
4.处理样本不平衡问题
5.模型预测
找到所需课程了吗?即刻 填写申请表格 与我们联络吧