南京Python培訓班

課程簡介

數(shù)據(jù)是信息時代的“新能源”。從金融到零售，從電商到體育，數(shù)據(jù)科學都成為成功決策的基礎(chǔ)，廣泛應用在營銷優(yōu)化、風險控制、客戶關(guān)系等商業(yè)領(lǐng)域。 【CDA數(shù)據(jù)分析周末集訓班-python方向】以CDA數(shù)據(jù)分析師標準等級大綱要求出發(fā)，從數(shù)據(jù)獲?。≒ython爬蟲、Mysql數(shù)據(jù)庫）—統(tǒng)計學理論方法—數(shù)據(jù)分析與軟件應用（Python）—數(shù)據(jù)挖掘和機器學習（Python）—數(shù)據(jù)可視化（Matplotlib，Seaborn等）整套數(shù)據(jù)分析流程技術(shù)系統(tǒng)講解，還將結(jié)合量化投資、金融、銀行、電信等行業(yè)真實需求出發(fā)全部用實際案例教學來使所學項目課程更能符合企業(yè)要求。

學習目標

使用Python爬蟲獲取網(wǎng)絡數(shù)據(jù)，使用Mysql進行數(shù)據(jù)的存儲和查詢

掌握數(shù)據(jù)分析基礎(chǔ)理論和常用分析法，使用統(tǒng)計分析方法進行驗證

結(jié)合機器學習方法進行預測并清晰傳達你的洞察

使用可視化方法Matplotlib,Seaborn,Pyecharts等發(fā)現(xiàn)數(shù)據(jù)中的模式規(guī)律

掌握使用Python進行數(shù)據(jù)分析全流程

學習對象

學生、轉(zhuǎn)行欲從業(yè)人士

在職數(shù)據(jù)分析師

對Python數(shù)據(jù)分析和挖掘感興趣的業(yè)界人士

學習前有統(tǒng)計基礎(chǔ)**

課程大綱

**階段：Python編程基礎(chǔ)與Pandas數(shù)據(jù)分析（線下）

1.數(shù)據(jù)分析的武器庫

2.數(shù)據(jù)分析工具Python介紹

3.Python的基本數(shù)據(jù)類型與數(shù)據(jù)結(jié)構(gòu)

4.Python的程序控制

5.Python的函數(shù)與模塊

6.使用Pandas讀取結(jié)構(gòu)化數(shù)據(jù)

7.描述性統(tǒng)計與探索型數(shù)據(jù)分析

8.Pandas高級：分組匯總及交叉表

9.使用Python繪制統(tǒng)計圖形

10.Pandas數(shù)據(jù)整合與數(shù)據(jù)清洗

第二階段：Mysql數(shù)據(jù)庫基礎(chǔ)（線上）

1.Mysql數(shù)據(jù)庫知識介紹

2.Mysql數(shù)據(jù)庫的基本操作

3.Mysql數(shù)據(jù)表的基本操作

4.數(shù)據(jù)類型和約束條件

5.數(shù)據(jù)的CRUD操作之增加、刪除、修改數(shù)據(jù)表

6.SQL數(shù)據(jù)庫單表查詢和聯(lián)合查詢

7.SQL操作符和函數(shù)

8.SQL綜合案例：彩票數(shù)據(jù)核對練習

9.SQL綜合案例：電商數(shù)據(jù)查詢練習

第三階段：數(shù)據(jù)分析之統(tǒng)計學基礎(chǔ)（線上）

1.數(shù)據(jù)分析行業(yè)與知識簡介

2.概率論基礎(chǔ)知識

3.描述性統(tǒng)計分析

4.統(tǒng)計量與抽樣分布

5.參數(shù)估計：點估計和區(qū)間估計

6.假設檢驗方法

7.方差分析的基本原理和操作

第四階段：使用Python進行網(wǎng)絡爬蟲（線下）

1.網(wǎng)絡爬蟲基礎(chǔ)知識

2.網(wǎng)絡請求及響應-requests庫

3.HTML文檔解析-BeautifulSoup庫

4.常見反爬蟲機制及應對

5.網(wǎng)絡爬蟲 VS 網(wǎng)絡數(shù)據(jù)抓取

6.實戰(zhàn)1：批量**頭像

7.實戰(zhàn)2：抓取豆瓣書籍簡介

8.實戰(zhàn)3：模擬瀏覽器selenium抓取電商商品信息及評論

第五階段：Python進行統(tǒng)計分析和回歸分析（線下）

1.使用Python SQL進行數(shù)據(jù)整合

2.使用Python進行描述性統(tǒng)計分析

3.使用Python進行數(shù)據(jù)清洗

4.使用Python進行數(shù)據(jù)分組與抽樣

5.使用Python進行統(tǒng)計推斷

6.使用線性回歸做客戶價值預測

7.使用邏輯回歸構(gòu)建初始信用評級

8.案例1：RFM分析方法獲取客戶消費行為信息

9.案例2：轉(zhuǎn)化漏斗與A/B Test

第六階段：Python進行降維分析（線下）

1.連續(xù)變量關(guān)系和探索變量壓縮：主成分因子分析

2.對應分析方法

3.多維尺度分析方法

4.案例1：經(jīng)濟數(shù)據(jù)降維與聚類分析

5.案例2：用戶特征與消費行為對應分析

6.案例3：美國城市地理位置分析

7.案例4：iris數(shù)據(jù)聚類-結(jié)合降維與數(shù)據(jù)預處理

第七階段：Python時間序列和綜合案例分析（線下）

1.時間序列分析簡介

2.時間序列模型介紹-AR和MA

3.平穩(wěn)的時間序列模型-ARMA

4.非平穩(wěn)的時間序列模型-ARIMA

5. BOX-JENKINS建模流程

6.案例：量化投資行業(yè)時間序列分析

7.尋找**模型

8.干預分析模型-ARMAX

9.企業(yè)案例1：電信公司網(wǎng)絡咨詢電話呼入人數(shù)預測

10.企業(yè)案例2：Google 關(guān)鍵字之Python 趨勢預測

第八階段：Python數(shù)據(jù)可視化（線上）

1.繪圖思想的基本原理

2.Python數(shù)據(jù)可視化包-Matplotlib介紹

3.使用Matplotlib進行基本的圖形繪制

4.使用Python數(shù)據(jù)處理包Pandas做可視化

5.Python數(shù)據(jù)可視化包-Seaborn與圖形繪制

6.Python數(shù)據(jù)可視化包-Pyecharts與圖形繪制

7.使用Python進行地圖繪制-Pyecharts

第九階段：期中項目作業(yè)與答辯（線下）

課題1：電商客戶價值預測

課題2：網(wǎng)站流量數(shù)據(jù)分析

課題3：信用卡客戶流失預警

課題4：銀行電話營銷響應分析

以上課題僅供參考

第十階段：Python數(shù)據(jù)挖掘基礎(chǔ)及數(shù)據(jù)前處理技術(shù)（線下）

1.R語言數(shù)據(jù)挖掘簡介

2.數(shù)據(jù)挖掘方法論CRISP-DM介紹

3.數(shù)據(jù)挖掘技術(shù)概述

4.數(shù)據(jù)前處理方法

5.關(guān)鍵變量發(fā)掘技術(shù)

第十一階段：Python實現(xiàn)預測型數(shù)據(jù)挖掘技術(shù)（線下）

1.初級分類器KNN算法與Python實現(xiàn)

2.樸素貝葉斯分類算法原理與實現(xiàn)

3.決策樹建模思路與原理

4.高級分類器-支持向量機算法

5.神經(jīng)網(wǎng)絡算法原理與實現(xiàn)

6.集成學習：Bagging、Boosting、隨機森林

7.案例1：使用決策樹進行初始信用評級

8.案例2：使用神經(jīng)網(wǎng)絡預測銷量高低

9.案例3：使用支持向量機進行水色圖像的水質(zhì)評價

第十二階段：Python進行描述性數(shù)據(jù)挖掘技術(shù)（線下）

1.聚類算法的概述

2.聚類算法基本概念

3.案例：通信客戶業(yè)務使用偏好聚類

4.關(guān)聯(lián)規(guī)則的一些基本概念

5.關(guān)聯(lián)規(guī)則Ariori算法的原理與Python實現(xiàn)

6.關(guān)聯(lián)規(guī)則FP-growth算法

7.序列模式的簡介與概念

8.序列模式AprioriAll算法與Python實現(xiàn)

9.基于用戶和商品的的協(xié)同過濾算法

第十三階段：期末項目作業(yè)與答辯（線下）

課題1：銀行客戶聚類分析

課題2：房貸客戶進件違約風險預測

課題3：零售業(yè)客戶忠誠預測

課題4：電信業(yè)營銷響應預測模型

以上課題僅供參考

**認證

** 經(jīng)管之家CDA LEVELⅢ數(shù)據(jù)科學家認證證書，行業(yè)頂尖人才認證，已獲得IBM大數(shù)據(jù)大學，中國電信，蘇寧，德勤，獵聘，CDMS等企業(yè)的認可。

專業(yè) CDA認證是根據(jù)商業(yè)數(shù)據(jù)分析專業(yè)崗位設立的一套體系化、科學化、正規(guī)化的人才標準。全國統(tǒng)考、專家命題、評分公平、流程嚴格，更具含金量。

權(quán)益 持證人享有系列特殊權(quán)益。證書皆綁定考生真實身份，可在CDA**查詢，確保唯一性與防偽性。證書三年審核一次，保證持證人的實力與權(quán)益。