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：
- 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
- 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
- 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
- 升级并调整全部随课项目，并提供更详细的分析步骤
- 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
- 想了解和学习典型的数据分析流程和实践方法的学习者
- 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
- 想学习数据分析中常用建模知识的相关从业人员
- 尚不会使用Python的数据分析师从业者
- 想转行从事数据分析师行业的学习者
- 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：
- 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
- 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
- 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
- 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
- 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
- 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)
- 课程介绍
- 数据分析的基本概念
- Python简介和环境部署
- NumPy数据结构及向量化
- 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 - 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)
- Pandas的数据结构
- 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 - Pandas统计计算和描述
- 数据的分组与聚合
- 数据清洗、合并、转化和重构
- 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)
- 什么是EDA
- 探索单变量、多变量的关系及其可视化
- 3D绘图
- 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)
- 机器学习基本概念与流程
- Python机器学习库scikit-learn
- 常用评价指标
- 分类预测模型– Logistic回归与Softmax回归
- 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)
- Pandas的时间处理及操作
- 金融数据
- 金融学图表
- 高频数据分析
- 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
- 量化策略建模流程及回测
- 常用量化分析指标及框架
- TA-Lib金融软件工具
- 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)
- 基本的图像操作和处理
- 常用的图像特征描述
- 聚类模型：K-Means
- 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)
- 人工神经网络及深度学习
- TensorFlow框架学习及使用
- TensorFlow实现卷积神经网络
- 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)
- Python文本分析工具NLTK
- 情感分析与文本分类
- TensorFlow实现文本深度表示模型Word2Vec
- 分类与预测模型– 朴素贝叶斯
- 实战案例6：搜狐新闻数据分类
第十课 项目实战(2-3课时)
- 交叉验证及参数调整
- 特征降维与特征选择
- 实战案例7：根据日常新闻预测股市动向
- 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/
