Python機器學習實戰：在數據和信息爆炸的今天，各個行業尤其是金融、電商、房地產、醫療、健康、部門這類經濟效應強勢部門都在積極采用數據分析和數據科學協助決策的方式，來提高決策的正確性和高效性。并將其廣泛應用在營銷優化、風險控制、用戶研究、疾病診斷、商業部署等領域。課程結合互聯網金融、電信、銀行、醫療、交通等行業實際案例來幫助學員建立整套的數據分析思路，使學員更符合企業要求。

  01章Python編程基礎知識
  01-01成為Python高手之前必備基礎知識
  01-02數據分析的武器庫與分析工具Python介紹
  01-03Python的基本數據類型和數據結構
  01-04Python的程序控制
  01-05Python的函數與模塊
  01-06Python日期和時間處理
  01-07Python字符串處理與正則表達式
  01-08Python異常處理和文件操作
  01-09實戰：基于Python的函數創建與商業實操文件操作
  02章Python進行數據整理和數據清洗
  01-01Numpy中的數據類型--ndarray數組的創建
  01-02Numpy數組基礎：索引、切片、變形、分裂
  01-03Numpy數組運算：通用函數
  01-04Numpy數組變形、拼接
  01-05Numpy數組計算：廣播、聚合、比較和掩碼、數組排序
  01-06Pandas對象簡介：Series、Dataframe、Index
  01-07Pandas數據加載與存儲
  01-08Pandas數值運算方法：通用函數、聚合函數、遍歷
  01-09Panda層次化索引
  01-10Pandas數據處理：數據類型轉換、缺失值處理、字符串轉換
  01-11Pandas數據表的合并與連接
  01-12Pandas數據的累計與分組
  01-13高性能Pandas：query（）、eval（）實現高性能運算
  01-14Pandas數據規整化：清理、轉換、合并、重塑
  01-15Pandas時間序列&金融數據處理
  01-16實戰案例1：泰坦尼克幸存者數據清洗
  01-17實戰案例2：USDA食品數據清洗
  03章Python進行網絡爬蟲
  01-01網絡爬蟲基礎知識
  01-02網絡請求及響應-Requests庫
  01-03HTML文檔解析-BeautifulSoup庫
  01-04常見反爬蟲機制及應對
  01-05網絡爬蟲VS網絡數據抓取
  01-06實戰1：新東方批量下載頭像
  01-07實戰2：抓取豆瓣書籍簡介
  01-08實戰3：模擬瀏覽器selenium抓取電商商品信息及評論
  04章Python進行數據可視化技術
  01-01繪圖思想的基本原理
  01-02Python數據可視化包-Matplotlib介紹
  01-03使用Matplotlib進行基本的圖形繪制
  01-04使用Python數據處理包Pandas做可視化
  01-05Python數據可視化包-Seaborn介紹與圖形繪制
  01-06Python數據可視化包-Pyecharts介紹與圖形繪制
  01-07使用Python進行地圖繪制-Pyecharts
  01-08數據可視化技巧
  05章Python進行機器學習和sklearn實戰
  01-01機器學習和Scikit-Learn簡介
  01-02機器學習之超參數與模型驗證：學習曲線、網格搜索
  01-03機器學習之特征工程：分類特征、文本特征、圖像特征、特征衍生、缺失值填充、特征管道
  01-04KNN-最近鄰分類器（實戰：改進約會網站配對效果）
  01-05樸素貝葉斯分類算法（實戰：垃圾郵件過濾）
  01-06決策樹與隨機森林（實戰：紅酒分類）
  01-07線性回歸分析（實戰：預測鮑魚的年齡）
  01-08Logistic回歸分析（實戰：構建信用卡反欺詐模型）
  01-09支持向量機算法（實戰：手寫數字識別）
  01-10利用AdaBoost元算法提高分類性能（實戰：泰坦尼克幸存者預測）
  01-11樹回歸--CART樹與Xgboost
  01-12無監督學習：K-means聚類
  01-13無監督學習：Apriori進行關聯分析
  01-14無監督學習：FP-growth進行頻繁項挖掘
  01-15無監督學習：LDA、LSI
  01-16簡化數據與降維：PCA與SVD

  在校學生、轉行欲從業人士
  在職數據分析師
  有一定的統計基礎
  對Python數據分析和挖掘感興趣的業界人士
  學習完《數據分析與SPSS應用》課程學員為佳