Python数据分析

课程介绍

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。

升级版### 第二期的课程更新内容

本期课程在《Python数据分析》升级版的基础上,主要新增了探索性数据分析(Exploratory Data Analysis,EDA)、金融数据量化分析及深度学习基础等三大数据分析工具,覆盖了时下最前沿的数据分析技术。具体新增内容如下:

  1. 新增探索性数据分析,更好地结合数据可视化发掘数据的模式与特点
  2. 新增金融数据量化分析,更好地结合时间序列分析探索金融数据的发展趋势
  3. 新增深度学习基础,更好地结合机器学习探索人工智能的技术趋势
  4. 升级并调整全部随课项目,并提供更详细的分析步骤
  5. 系统性地将相关章节的项目整理成一个完整的项目,使学员能够更加充分地理解数据分析的流程和步骤

面向人群

  1. 想了解和学习典型的数据分析流程和实践方法的学习者
  2. 想接触和学习非结构化数据(比如:文本、图像等)分析的学习者
  3. 想学习数据分析中常用建模知识的相关从业人员
  4. 尚不会使用Python的数据分析师从业者
  5. 想转行从事数据分析师行业的学习者
  6. 想使用Python实现金融数据分析、机器学习或深度学习的工程师

学习收益

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、探索性数据分析及量化分析
  4. 快速积累多个业务领域数据分析项目经验,包括金融数据、文本数据及图像数据
  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

课程大纲

第一课 工作环境准备及数据分析建模理论基础 (2-3课时)

  1. 课程介绍
  2. 数据分析的基本概念
  3. Python简介和环境部署
  4. NumPy数据结构及向量化
  5. 数据分析建模理论基础
    a. 机器学习基础
    b. 数据分析建模过程
    c. 常用的数据分析建模工具
  6. 实战案例1:使用Python实现蒙特卡洛模拟的期权估值

第二课 数据分析工具Pandas (2-3课时)

  1. Pandas的数据结构
  2. Pandas的数据操作
    a. 数据的导入、导出
    b. 数据的过滤筛选
    c. 索引及多重索引
  3. Pandas统计计算和描述
  4. 数据的分组与聚合
  5. 数据清洗、合并、转化和重构
  6. 实战案例2-1:Lending Club借贷数据处理及初步分析

第三课 探索性数据分析(EDA)及数据可视化 (2-3课时)

  1. 什么是EDA
  2. 探索单变量、多变量的关系及其可视化
  3. 3D绘图
  4. 实战案例2-2:Lending Club借贷数据探索性分析及可视化

第四课 机器学习及scikit-learn(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. 常用评价指标
  4. 分类预测模型– Logistic回归与Softmax回归
  5. 实战案例2-3:Lending Club借贷违约预测

第五课 金融数据分析(1)–金融时间序列(2-3课时)

  1. Pandas的时间处理及操作
  2. 金融数据
  3. 金融学图表
  4. 高频数据分析
  5. 实战案例3-1:股票收益率回归分析

第六课 金融数据分析(2)–量化分析 (2-3课时)量化分析基础

  1. 量化策略建模流程及回测
  2. 常用量化分析指标及框架
  3. TA-Lib金融软件工具
  4. 实战案例3-2:多因子策略模型

第七课 图像数据处理及分析 (2-3课时)

  1. 基本的图像操作和处理
  2. 常用的图像特征描述
  3. 聚类模型:K-Means
  4. 实战案例4:电影海报主色调聚类分析

第八课 深度学习及TensorFlow (2-3课时)

  1. 人工神经网络及深度学习
  2. TensorFlow框架学习及使用
  3. TensorFlow实现卷积神经网络
  4. 实战案例5:基于TensorFlow的101类图像识别(Caltech101)

第九课 文本数据分析 (2-3课时)

  1. Python文本分析工具NLTK
  2. 情感分析与文本分类
  3. TensorFlow实现文本深度表示模型Word2Vec
  4. 分类与预测模型– 朴素贝叶斯
  5. 实战案例6:搜狐新闻数据分类

第十课 项目实战(2-3课时)

  1. 交叉验证及参数调整
  2. 特征降维与特征选择
  3. 实战案例7:根据日常新闻预测股市动向
  4. 课程总结

更多教程

教程不断整理更新中,以上截图仅供参考,如需了解更多视频教程的详细信息请到如下地址查看:

教程分类说明https://itvideos.github.io/categories/

获取方式

关于教程、获取方式、温馨提示

坚持原创技术分享,您的支持将鼓励我继续创作!