Part-1 统计分析基础
章
线性代数的实践
1. 行列式计算
2. 矩阵操作
3. 线性方程组计算
4. 线性代数知识应用
Part-2 数据分析与挖掘
第二章
统计分析:回归模型探讨
1. 线性回归模型回顾
2. Logistic回归拟合
3. Robust回归拟合
4. 岭回归
第三章
假设检验
1. T检验
2. Wald检验
3. 单因素方差分析再探讨
4. 单因素重复测量方差分析
5. 多因素方差分析
6. 单因素卡方检验
7. 双因素卡方检验
第四章
预测算法:回归模型的机器学习应用
1. 线性回归模型的机器学习应用
2. Logistic回归的机器学习应用
3. 岭回归的机器学习应用
第五章
分类算法:判别分析与聚类
1. 决策树
2. Kmeans聚类
3. 谱聚类
4. 判别分析
第六章
时间序列分析
1. 序列相关及检验
2. 平稳时间序列模型
3. 非平稳时间序列模型
4. 时间序列绘图
Part-3绘图工具深入学习
第七章
绘图工具深入学习
1. Matplotlib绘图函数参数设置
2. Matplotlib绘图
3. Chart绘图初探
课程中间穿插应用实例和练习,更快掌握Python这种编程语言。
请注明:姓名-公司-职位
以便审核进群资格,未注明则拒绝
Part-1 初识Python
讲
Python使用基础知识
1. 选择合适操作系统的版本
2. 安装和配置外部接口(IDE)
3. 创建Python项目
4. 帮助文档的使用
第二讲
深入Python流程控制
1. 一个概览式的小程序及注意事项
2. 条件与条件语句
3. 循环以及嵌套语句
4. 循环控制语句
5. range()函数
6*. array()函数
7. 练习:熟练掌握控制流
第三讲
函数及数据结构
1. 认识函数
2. 定义函数
3. 形参、实参、默认参数、返回值
4. 内置函数形式
5. 全局变量与局部变量
6. Python数据结构(序列、列表、元组和字典)
Part-2 Python科学计算
第四讲
数据处理与计算
1. 常用模块概览与导入
2. 数组的创建与生成
3. 利用数组进行数据处理
4. 用于数组的文件输入输出
5. 线性代数
7. 练习
第五讲
数据描述与分析
1. 汇总和计算描述统计
2. 处理缺失数据
3. 数据加载、存储与文件格式
4. 应用实例
第六讲
绘图与可视化
1. 绘图命令的基本架构
2. Pandas描述性统计图形概览
3. 图形元素属性的设定
5. 练习
6. 小甜点:画一个六角星
Part-3 Python数据挖掘初探
第七讲
数据挖掘
2. 最优化方法——梯度下降法
3. 参数估计与假设检验
4. 线性回归分析的结果呈现与解读
5. 应用实例
第八讲(附录)
异常处理
1. try...except
2. try...finally
3. raise
4. traceback模块
5. sys模块
6. 常见异常
资料狂人 发表于 2014-12-31 08:05 Python数据分析应用 从起步到应用 一次搞定 Python数据分析长达10多个小时的高 ...