      Python数据挖掘应用培训

第一阶段： Python 基础精要，零基础也能学会

1. 语法初步

2. 列表、字符串和元组

3. 集合与字典

4. 条件和循环语句

5. 若干重要内置函数应用

6. 文件操作

7. 函数及其应用

8. 正则表达式

9. 数据库和 Python

10.排序算法、 动态规划算法、递归算法等算法

第二阶段：numpy、pandas等进行数据清洗和整理，充分统计分析数据

1. 整理数据（切片、产生随机数、复制、广播、排序等）

2. 数据索引和选择的各种方法

3. 数据的分组、分割、合并、变形

4. 缺失值和空值的数据处理

5. 时间序列数据处理、建模和预测（ARIMA）

6. 含中文数据的处理

7. 数据去重、去离群值

8. R语言和Python（pandas）数据整理和建模的比较

9. 描述统计和推论统计分析

第三阶段：Python机器学习算法和数据挖掘案例实战

1. 文本挖掘原理和案例（Logistic 回归模型对文本的分类）

2. 预测分析核心算法（图片的K-means聚类分析）

3. 机器学习经典算法（图片的识别和分类：PCA建模）

4. 概率统计（二维手写数字识别 KNN方法）

5. 数据可视化（推荐系统和精准营销 近邻方法、协同过滤）

6. 金融建模分析（数据可视化的各种情形）

7. 客户画像和精准营销（新闻的文本分类 TF-IDF准则、旅游新闻个性化推荐）

8. 算法和模型的优化（手写识别）

9. 模型精度评估和提升（朴素贝叶斯决策）

10.特征选取的方法（酒的品质分类预测）

11.佳K-means分类数（机器学习的格点搜索和参数寻优）

12.交叉验证（惩罚线性回归分类器）

13.不平衡数据处理（使用支持向量机识别和分类）

14.XGBoost 使用案例 （金融时间序列预测）

15.贝叶斯分析（机器集成学习算法）

16.逼近和优化 （随机模拟）

17.自然语言概率图模型（用户流失预警）

18 马尔科夫&蒙特卡罗（量化投资实战）