《Python数据分析》升级版第三期
梁斌 资深算法工程师
查尔斯特大学（Charles Sturt University）计算机博士，从事机器学习、计算机视觉及模式识别等相关方向的研究，在计算机视觉等国际会议及期刊发表10余篇学术论文。现就职于澳大利亚某科学研究机构（博士后），负责算法改进及其产品化、数据分析处理、建模及可视化。
近两年来，数据分析师的岗位需求非常大，90%的岗位技能需要掌握Python作为数据分析工具，本课程以案例驱动的方式讲解如何利用Python完成数据获取、处理、数据分析及可视化方面常用的数据分析方法与技巧。
1. 归纳总结实际项目中Python数据处理分析技巧
2. 新增统计分析的知识，帮助学员回顾相关知识
3. 强化数据可视化，提供数据展示的场景及案例
4. 强化机器学习原理并新增更多算法的介绍及演示
5. 新增文本分析中的主题模型(LDA)
6. 新增社交网络分析
7. 升级并调整全部随课项目
8. 每个项目均提供两套代码
(1) 包含项目详细步骤的Jupyter演示版代码
(2) 学员可以接触到真实项目的程序代码
9. 加大项目教学比例，让学员掌握关键项目步骤
10. 将相关章节的项目系统整理成一个完整项目
通过本课程的学习，学员将会收获：
1. 熟悉数据分析的流程，包括数据采集、处理、可视化、数据建模等
2. 掌握Python语言作为数据分析工具，从而有能力驾驭不同领域数据分析实践
3. 掌握非结构化数据的处理与分析
4. 快速积累多个业务领域数据分析项目经验，包括文本数据、图像数据及社交网络
5. 掌握使用Python实现基于机器学习及深度学习的数据分析和预测
6. 掌握数据分析中常用的建模知识
2017年10月11日，共9次，每次2~3小时
在线直播，共9次
第一课上课时间：10月11日 （晚20:00-22:00)
每周2次（周六、日，下午15:00 - 17:00）
直播后提供录制回放视频
可在线反复观看，有效期1年
第一课 工作环境准备及数据分析基础 (2-3课时)
1. 课程介绍
2. 工作环境准备
3. 数据分析中常用的Python技巧
4. 科学计算库NumPy
5. 使用Pandas进行简单的数据分析
6. 实战案例1：世界幸福指数报告分析
第二课 Pandas进阶及统计分析 (2-3课时)
1. Pandas进阶及技巧
2. 数据合并、分组及比较
3. 透视表
4. 常用的统计分布
5. 使用Python进行假设检验
6. 实战案例2-1：Lending Club借贷数据处理及初步分析
第三课 数据展示及可视化 (2-3课时)
1. 数据可视化的概念及准则
2. 基本图表的绘制及应用场景
-- 散点图，柱状图，线图
3. 数据分析常用图表的绘制
-- 多图绘制，直方图，盒子图，热图
4. 动画及交互式渲染
5. Pandas及Seaborn制图
6. 实战案例3：“神奇宝贝”数据分析及展示
第四课 Python机器学习(1)(2-3课时)
1. 机器学习基本概念与流程
2. Python机器学习库scikit-learn
3. 机器学习常用算法介绍及演示(1)
-- KNN, 线型回归，逻辑回归，SVM，决策树
4. 实战案例4-1：根据可穿戴设备识别用户行为
第五课 Python机器学习(2) (2-3课时)
1. 模型评价指标及模型选择
2. 交叉验证
3. 机器学习常用算法介绍及演示(2)
-- 朴素贝叶斯，随机森林，GBDT
4. 实战案例4-2：根据可穿戴设备识别用户行为
第六课 图像数据处理及分析 (2-3课时)量化分析基础
1. 图像数据操作
2. 常用的图像特征描述
3. K-Means聚类及图像压缩
4. 实战案例5-1：根据海报预测电影分类
第七课 神经网络及深度学习 (2-3课时)
1. 人工神经网络
2. 深度学习
3. TensorFlow框架学习及使用
4. TensorFlow实现卷积神经网络 (CNN)
5. 实战案例5-2：根据海报预测电影分类
第八课 文本数据分析 (2-3课时)
1. Python文本数据处理
-- 正则表达式结合Pandas使用技巧
2. 自然语言处理及NLTK
3. 文本特征及分类
4. 主题模型及LDA
5. 实战案例6：豆瓣影评数据分析
第九课 社交网络分析 (2-3课时)
1. 图论简介
2. 网络的操作及可视化
3. 网络分析
4. 课程总结
5. 实战案例7：“权利的游戏”人物关系分析
