2019python数据分析与数据挖掘专题提升培训班（9月杭州班）已过期
推荐参加：2024PM产品力领航者大会

会议时间：2019-09-19 09:00至 2019-09-22 16:00结束

会议地点：杭州详细地址会前通知

会议规模：50人

主办单位：北京软数信息技术研究院

发票类型：增值税普通发票

领取方式：现场领取

发票内容：会议费会务费会议服务费培训费资料费

参会凭证：邮件/短信发送参会通知

行业热销热门关注看了又看换一换

会议通知
会议内容主办方介绍

2019python数据分析与数据挖掘专题提升培训班（9月杭州班）宣传图

关于举办“python数据分析与数据挖掘”专题提升培训班通知

各企事业单位：

大数据与云计算时代，现代金融，零售，生物医学，互联网等行业中，数据挖掘已成为价值评估，指导决策不可忽视的营销技术。Python不仅在编程方面有强大的实力，而且由于不断改进的第三方库，Python在数据处理方面也越来越突出；近年来，非常火爆的机器学习(Machine Learning)以及前沿的自然语言处理(Natural Language Processing)也选择Python作为基础工具。为了提高高校教师和科研人员对python数据分析、挖掘的理解和掌握，促进python加速技术的普及和应用。北京软数信息技术研究院特举办“python数据分析与数据挖掘”专题培训班，具体事宜如下：

一、培训目标：

1、熟悉Python的基本结构与语法与数据类型，模块；熟悉函数，类设计，包的使用；

2、掌握python数据分析和数据挖掘核心技术，并能胜任相关工作；

3、通过紧密结合应用实例，针对工作中存在的疑难问题进行分析讲解和专题讨论，进而有效提升学员解决科研及教学中实际问题的能力；

二、时间地点：

2019年09月19日——2019年09月22日浙江*杭州

（时间安排：第一天报到,授课三天）

三、培训对象：

各省市、自治区从事为电信、电力、政府、互联网、生产制造、零售、银行、生物、化工、医药等与数据分析、挖掘相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生、硕士、博士等相关人员，以及广大python爱好者。

四、培训方式:

(一)课程讲座；（二）专题小组研讨与案例讲解分析结合； (三)上机操作

北京软数信息技术研究院

2019年08月22日

北京软数信息技术研究院

会议日程
（最终日程以会议现场为准）

培训内容安排

Python基础	1.准备工作	1.1 认识Python 1.2 搭建Python环境 1.3 安装PyCharm并创建一个应声虫程序
	2.Python基础知识	2.1 掌握Python固定语法 2.2 创建字符串变量并提取里面的数值 2.3 计算圆形的各参数
	3.Python数据结构	3.1 创建一个列表（list）并进行增删改查操作 3.2 转换一个元组（tuple）并进行取值操作 3.3 创建一个字典（dict）并进行增删改查操作 3.4 将两个列表转换为集合（set）并进行集合运算
	4.程序流程控制语句	4.1实现考试成绩划分 4.2实现一组数的连加与连乘 4.3使用冒泡排序法排序 4.4实训（猜数字游戏）
	5.函数	5.1自定义函数实现输出方差 5.2使用匿名函数添加列表元素 5.3存储并导入函数模块
	6.面向对象	6.1 认识面向对象编程 6.2 创建Car类 6.3 创建Car对象 6.4 迭代Car对象 6.5 产生Land_Rover对象（子类）
	7.文件基础	7.1 认识文件 7.2 读取txt文件中的数据 7.3 保存数据为csv格式文件 7.4 认识os模块
Python数据分析与应用	1.Python数据分析概述	1.1认识数据分析 1.2熟悉Python数据分析的工具 1.3安装Python3的Anaconda发行版 1.4掌握Jupyter Notebook常用功能
	2.NumPy数值计算基础	2.1认识NumPy数组对象ndarray 2.2认识NumPy矩阵与通用函数 2.3利用NumPy进行统计分析
	3.Matplotlib数据可视化基础	3.1了解绘图基础语法与常用参数 3.2分析特征间的关系 3.3分析特征内部数据分布与分散状况
	4.Pandas统计分析基础	4.1读写不同数据源的数据 4.2掌握DataFrame的常用操作 4.3转换与处理时间序列数据
	5.使用Pandas进行数据预处理	5.1合并数据 5.2清洗数据 5.3标准化数据 5.4转换数据
	6.案例分析：航空公司客户价值分析	6.1了解航空公司现状与客户价值分析 6.2预处理航空客户数据 6.3使用K-Means算法进行客户分群
机器学习与人工智能	1.机器学习介绍	1.1有监督学习：分类、回归 1.2无监督学习：聚类 1.3半监督学习 1.4强化学习
	2.使用scikit-learn构建模型	6.1使用sklearn转换器处理数据 6.2构建并评价聚类模型 6.3构建并评价分类模型 6.4构建并评价回归模型
	3.机器学习案例1：基于水色图像的水质识别	3.1背景与目标 3.2数据准备 3.3特征提取 3.4模型训练与调优 3.5性能度量与模型评估
	4.机器学习案例2：基于文本内容的垃圾短信识别	4.1目标分析 4.2数据准备 4.3特征工程 4.4模型训练与调优 4.5性能度量与模型评估

会议嘉宾
（最终出席嘉宾以会议现场为准）

主讲专家:

主讲老师来自北京软数信息技术研究院特聘讲师，主要从事用户数据分析和数据挖掘工作六年，具有丰富的大数据挖掘理论及实践培训经验，对数据具有较高的敏感度，根据数据对其进行全面的统计分析。精通Python、R语言、Matlab等多种数据挖掘工具。擅长市场发展情况监控、精确营销方面的数据挖掘工作；拥有多家大型企业长期提供实施服务的经验，曾担任多家企业及高校内训和数据挖掘就业班的课程讲师；组织、参与编写图书《Python编程基础》、《Python数据分析与应用》、《R语言编程基础》等。