基础篇（报名成功后即可开始学习）

时间

课程内容

学习平台

正式培训前

Python编程基础

1准备工作

2列表操作

3程序流程控制语句

4字符串操作

4.1字符串及其索引&切片

4.2字符串的常见方法

4.3字典的创建及索引

4.4字典常用操作

4.5字典推导式

5Python文件读取操作

5.1Python读取文件

5.2练习3：统计小说中的单词频次

6函数

6.1Python函数自定义

6.2练习4：自定义求序列偶数个数的函数

7面向对象与模块

7.1Python方法与函数对比介绍

7.2Python面向对象示例

7.3Python模块使用

7.4第三方库的安装与调用

8注意事项

8.1Python工作路径说明

8.2模块命名及存放路径的注意事项

8.3结语

泰迪云课堂

核心课程篇

时间

课程内容

学习平台

第一课 Python数据分析与应用

5月22日

18:30-22:00

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anaconda与掌握Jupyter Notebook常用功能

2 NumPy数值计算基础

2.1 掌握NumPy数组对象

2.1.1NumPy简介

2.1.2 数组创建及基础属性

2.1.3 初识数组的特点

2.1.4 创建常用数组

2.1.5 数组数据类型

2.1.6 生成随机数

2.1.7 一维数组的索引

2.1.8 逻辑型索引

2.1.9 多维数组的索引

2.1.10 求解距离矩阵

2.1.11 变化数组shape

2.2 掌握NumPy矩阵与通用函数

2.2.1 NumPy矩阵介绍

2.2.2 NumPy通用函数介绍

2.2.3 通用函数的广播机制

2.3 利用NumPy进行统计分析

2.3.1 NumPy读写二进制文件

2.3.2 NumPy读写txt文件

2.3.3 利用NumPy对数据进行简单统计分析

3 Pandas统计分析基础

3.1 Pandas简介

3.2 读写不同数据源的数据

3.2.1 Pandas读取文本数据

3.2.2 存储数据框

3.2.3 Pandas读取excel文件

3.2.4 将数据框存储为excel文件

3.3 数据框与数据框元素

3.3.1 构建数据框

3.3.2 查看数据框的常用属性

3.3.3 按行列顺序访问数据框中的元素

3.3.4 按行列名称访问数据框中的元素

3.3.5 修改数据框中的元素

3.3.6 删除数据框中的元素

3.3.7 描述分析数据框中的元素

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

5月23日

18:30-22:00

3.4 转换与处理时间序列数据

3.4.1 转换成时间类型数据

3.4.2 时间类型数据的常用操作

4.5 使用分组聚合进行组内计算

4.5.1 groupby分组操作

4.5.2 agg聚合操作

4.6 创建透视表与交叉表

4.6.1 生成透视表

4.6.2 生成交叉表

5 使用Pandas进行数据预处理

5.1 合并数据

5.1.1 表堆叠

5.1.2 主键合并

5.1.3 重叠合并

5.2 清洗数据

5.2.1 检测与处理重复值

5.2.2 检测与处理缺失值

5.2.3 检测与处理异常值

5.3 标准化数据

5.4 转换数据

5.4.1 哑变量处理

5.4.2 离散化连续型数据

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第二课 Python数据分析实训

5月24日

18:30-22:00

1探索Iris鸢尾花数据

1.1将数据集存成变量iris创建数据框的列名称['sepal_length','sepal_width','petal_length', 'petal_width', 'class']

1.2数据框中有缺失值吗？

1.3将列petal_length的第10到19行设置为缺失值。

1.4将petal_lengt缺失值全部替换为1.0。

1.5删除列class。

1.6将数据框前三行设置为缺失值。

1.7删除有缺失值的行。

1.8重新设置索引。

2探索Chipotle快餐数据

2.1将数据集存入一个名为chipo的数据框内

2.2查看前10行内容

2.3数据集中有多少个列(columns)？

2.4打印出全部的列名称

2.5数据集的索引是怎样的？

2.6被下单数最多商品(item)是什么?

2.7在item_name这一列中，一共有多少种商品被下单？

2.8一共有多少个商品被下单？

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

5月25日

18:30-22:00

2.9将item_price转换为浮点数

2.10在该数据集对应的时期内，收入(revenue)是多少？

2.11在该数据集对应的时期内，一共有多少订单？

2.12每一单(order)对应的平均总价是多少？

3探索Apple公司股价数据

3.1读取“appl_1980_2014.csv”数据并存为一个名叫apple的数据框。

3.2查看每一列的数据类型。

3.3将Date这个列转换为datetime类型。

3.4将Date设置为索引。

3.5有重复的日期吗？

3.6将index设置为升序。

3.7找到每个月的最后一个交易日(businessday)。

3.8数据集中最早的日期和最晚的日期相差多少天？

3.9在数据中一共有多少个月？

3.10按照时间顺序可视化Adj Close值。

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第三课 综合实战：全国汽车销量可视化

5月26日

18:30-22:00

1 读取数据

2 数据探索

3 汽车销量数据分析

3.1 市场需求

3.2 消费能力

3.3 企业竞争

3.4 热销车型

3.5 销售量随时间的变换情况

3.6 地理图表展示不同城市、不同省份的销量情况

4 车企年度销量目标

5 汇总

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第四课 机器学习实践

5月27日

18:30-22:00

1.1引言

1.2基本术语

1.3假设空间&归纳偏好

2.1经验误差与过拟合

2.2评估方法

2.3性能度量

2.4性能度量Python实现

3.1线性回归基本形式

3.2线性回归模型的Python实现

3.3波士顿房价预测的Python实现

3.4逻辑回归介绍

3.5研究生入学录取预测的Python实现

4.1从女生相亲到决策树

4.2明天适合打球吗

4.3决策树拆分属性选择

4.4决策树算法家族

4.5泰坦尼克号生还者预测—数据预处理

4.6泰坦尼克号生还者预测—模型构建与预测

4.7决策树可视化

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

5月28日

18:30-22:00

5.1聚类分析概述

5.2相似性度量

5.3K-Means聚类分析算法介绍

5.4利用K-Means算法对鸢尾花进行聚类

5.5聚类结果的性能度量

5.6调用Sklearn实现聚类分析

6.1间隔与支持向量

6.2对偶问题

6.3核函数

6.4软间隔与正则化

6.5支持向量机算法的Python实现

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第五课 综合实战：运营商流失用户的分析和预测

5月29日

18:30-22:00

1.1背景与目标

1.1.1背景

1.1.2数据说明

1.1.3目标

1.2数据预处理

1.2.1查找并删除重复个案

1.2.2降维及数字化处理

1.2.3数据的提取与整合

1.2.4缺失值与异常值处理

1.3流失用户的特征分析

1.3.1基本信息分析

1.3.2K-Means聚类分析

1.3.3特征值的提取

1.4模型的建立与求解

1.4.1建模思路及数据准备

1.4.2CART决策树模型

1.4.3神经网络模型

1.4.4朴素贝叶斯模型

1.4.5支持向量机模型

1.5最优模型的选择及预测

1.5.1预测数据集处理

1.5.2各类预测的基本情况

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第六课 综合实战：电商智能推荐--优惠券使用预测

5月30日

18:30-22:00

1 背景与目标

2 数据说明

2.1线下训练集数据介绍

2.2线上训练集数据介绍

2.3测试数据介绍

2.4项目流程介绍

3 数据预处理

3.1构建正样本

3.2构建负样本

3.3构建样本标签

4 特征构建

4.1特征构建介绍

4.2处理Discount_rate列

4.3特征1-折扣率

4.4特征2-商户与用户之间的距离

5 模型训练

5.1建模前数据准备

5.2初级模型构建

5.3ROC曲线与AUC值

5.4模型性能评估

5.5训练函数封装

5.6模型预测

5.7预测函数封装

6 特征完善

6.1特征3-优惠券流行度

6.2特征4-用户在商家中的消费次数

6.3如何进行特征拼接

6.4拼接训练集的特征3&4

6.5拼接测试及的特征3&4

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第七课 在线考试

5月31日

19:00-21:00

高级人工智能应用工程师职业技术在线考试

泰迪云课堂