點擊了解更多Python課程>>>
小象學院Python數據分析第二期【升級版】
主講老師：
梁斌 資深算法工程師
查爾斯特大學(Charles Sturt University)計算機博士，從事機器學習、計算機視覺及模式識別等相關方向的研究，在計算機視覺等國際會議及期刊發表10余篇學術論文。現就職於澳大利亞某科學研究機構，負責算法改進及其產品化、數據分析處理及可視化。
課程簡介：
近兩年來，數據分析師的崗位需求非常大，90%的崗位技能需要掌握Python作為數據分析工具，本課程以案例驅動的方式講解如何利用Python完成數據獲取、處理、數據分析及可視化方面常用的數據分析方法與技巧。
升級版第二期的課程更新內容：
本期課程在《Python數據分析》升級版的基礎上，主要新增了探索性數據分析(Exploratory Data Analysis，EDA)、金融數據量化分析及深度學習基礎等三大數據分析工具，覆蓋了時下最前沿的數據分析技術。具體新增內容如下：
新增探索性數據分析，更好地結合數據可視化發掘數據的模式與特點
新增金融數據量化分析，更好地結合時間序列分析探索金融數據的發展趨勢
新增深度學習基礎，更好地結合機器學習探索人工智能的技術趨勢
升級並調整全部隨課項目，並提供更詳細的分析步驟
系統性地將相關章節的項目整理成一個完整的項目，使學員能夠更加充分地理解數據分析的流程和步驟
注意:本資源是2017年2月開班的第一期升級版,除去上面部分列出的更新內容就是本版(第一期升級版)的內容.
面向人群：
1. 想了解和學習典型的數據分析流程和實踐方法的學習者
2. 想接觸和學習非結構化數據(比如：文本、圖像等)分析的學習者
3. 想學習數據分析中常用建模知識的相關從業人員
4. 尚不會使用Python的數據分析師從業者
5. 想轉行從事數據分析師行業的學習者
6. 想使用Python實現金融數據分析、機器學習或深度學習的工程師
學習收益：
通過本課程的學習，學員將會收獲：
1. 熟悉數據分析的流程，包括數據采集、處理、可視化、數據建模等
2. 掌握Python語言作為數據分析工具，從而有能力駕馭不同領域數據分析實踐
3. 掌握非結構化數據的處理與分析、探索性數據分析及量化分析
4. 快速積累多個業務領域數據分析項目經驗，包括金融數據、文本數據及圖像數據
5. 掌握使用Python實現基於機器學習及深度學習的數據分析和預測
6. 掌握數據分析中常用的建模知識
學習方式：
在線直播，共10次課，每次2-3小時
每周2次(周六、日，晚上20:00 - 22:00)
注意：第一次課是5月28日晚上20:00 - 22:00
第二次課是5月29日晚上20:00 - 22:00
直播后提供錄制回放視頻，可在線反復觀看
課程大綱：
第一課 工作環境准備及數據分析建模理論基礎 (2-3課時)
1. 課程介紹
2. 數據分析的基本概念
3. Python簡介和環境部署
4. NumPy數據結構及向量化
5. 數據分析建模理論基礎
a. 機器學習基礎
b. 數據分析建模過程
c. 常用的數據分析建模工具
6. 實戰案例1：使用Python實現蒙特卡洛模擬的期權估值
第二課 數據分析工具Pandas (2-3課時)
1. Pandas的數據結構
2. Pandas的數據操作
a. 數據的導入、導出
b. 數據的過濾篩選
c. 索引及多重索引
3. Pandas統計計算和描述
4. 數據的分組與聚合
5. 數據清洗、合並、轉化和重構
6. 實戰案例2-1：Lending Club借貸數據處理及初步分析
第三課 探索性數據分析(EDA)及數據可視化 (2-3課時)
1. 什么是EDA
2. 探索單變量、多變量的關系及其可視化
3. 3D繪圖
4. 實戰案例2-2：Lending Club借貸數據探索性分析及可視化
第四課 機器學習及scikit-learn(2-3課時)
1. 機器學習基本概念與流程
2. Python機器學習庫scikit-learn
3. 常用評價指標
4. 分類預測模型– Logistic回歸與Softmax回歸
5. 實戰案例2-3：Lending Club借貸違約預測
第五課 金融數據分析(1)--金融時間序列(2-3課時)
1. Pandas的時間處理及操作
2. 金融數據
3. 金融學圖表
4. 高頻數據分析
5. 實戰案例3-1：股票收益率回歸分析
第六課 金融數據分析(2)--量化分析 (2-3課時)量化分析基礎
1. 量化策略建模流程及回測
2. 常用量化分析指標及框架
3. TA-Lib金融軟件工具
4. 實戰案例3-2：多因子策略模型
第七課 圖像數據處理及分析 (2-3課時)
1. 基本的圖像操作和處理
2. 常用的圖像特征描述
3. 聚類模型：K-Means
4. 實戰案例4：電影海報主色調聚類分析
第八課 深度學習及TensorFlow (2-3課時)
1. 人工神經網絡及深度學習
2. TensorFlow框架學習及使用
3. TensorFlow實現卷積神經網絡
4. 實戰案例5：基於TensorFlow的101類圖像識別(Caltech101)
第九課 文本數據分析 (2-3課時)
1. Python文本分析工具NLTK
2. 情感分析與文本分類
3. TensorFlow實現文本深度表示模型Word2Vec
4. 分類與預測模型-- 朴素貝葉斯
5. 實戰案例6：搜狐新聞數據分類
第十課 項目實戰(2-3課時)
1. 交叉驗證及參數調整
2. 特征降維與特征選擇
3. 實戰案例7：根據日常新聞預測股市動向
4. 課程總結
常見問題：
Q： 本課程需要什么基礎?
A：有基本的大學數學基礎， 掌握Python基本編程。
Q： 會有實際上機演示和動手操作嗎?
A： 有，幾乎每節課，老師均會准備上機演示部分，學員可以學習老師的實踐經驗。
Q： 本課程必須提前掌握Python嗎?
A： 不是必須的，本課程將系統講授Python編程語言。如果你熟悉其他編程語言Java、C、Scala，學習Python是很容易的。
支付后聯系：QQ17028139 領取以上全部教程！