基礎(chǔ)篇（報名成功后即可開始學(xué)習(xí)）

時間

課程內(nèi)容

學(xué)習(xí)平臺

正式培訓(xùn)前

Python編程基礎(chǔ)

1準(zhǔn)備工作

2列表操作

3程序流程控制語句

4字符串操作

4.1字符串及其索引&切片

4.2字符串的常見方法

4.3字典的創(chuàng)建及索引

4.4字典常用操作

4.5字典推導(dǎo)式

5Python文件讀取操作

5.1Python讀取文件

5.2練習(xí)3：統(tǒng)計小說中的單詞頻次

6函數(shù)

6.1Python函數(shù)自定義

6.2練習(xí)4：自定義求序列偶數(shù)個數(shù)的函數(shù)

7面向?qū)ο笈c模塊

7.1Python方法與函數(shù)對比介紹

7.2Python面向?qū)ο笫纠?/span>

7.3Python模塊使用

7.4第三方庫的安裝與調(diào)用

8注意事項

8.1Python工作路徑說明

8.2模塊命名及存放路徑的注意事項

8.3結(jié)語

泰迪云課堂

正式培訓(xùn)前

NumPy數(shù)值計算基礎(chǔ)

1 Python數(shù)據(jù)分析概述

1.1 認(rèn)識數(shù)據(jù)分析

1.2 熟悉Python數(shù)據(jù)分析的工具

1.3 安裝anaconda與啟動Jupyter Notebook

1.4 掌握J(rèn)upyter Notebook常用功能

2 NumPy數(shù)值計算基礎(chǔ)

2.1 掌握NumPy數(shù)組對象

2.1.1NumPy簡介

2.1.2 數(shù)組創(chuàng)建及基礎(chǔ)屬性

2.1.3 初識數(shù)組的特點

2.1.4 創(chuàng)建常用數(shù)組

2.1.5 數(shù)組數(shù)據(jù)類型

2.1.6 生成隨機(jī)數(shù)

2.1.7 一維數(shù)組的索引

2.1.8 邏輯型索引

2.1.9 多維數(shù)組的索引

2.1.10 求解距離矩陣

2.1.11 變化數(shù)組shape

2.2 掌握NumPy矩陣與通用函數(shù)

2.2.1 NumPy矩陣介紹

2.2.2 NumPy通用函數(shù)介紹

2.2.3 通用函數(shù)的廣播機(jī)制

2.3 利用NumPy進(jìn)行統(tǒng)計分析

2.3.1 NumPy讀寫二進(jìn)制文件

2.3.2 NumPy讀寫txt文件

2.3.3 利用NumPy對數(shù)據(jù)進(jìn)行簡單統(tǒng)計分析

泰迪云課堂

核心課程篇

時間

課程內(nèi)容

學(xué)習(xí)平臺

專題講座

2022年

01月14日

18:30-22:00

主講：方海濤

主題內(nèi)容：隨機(jī)最優(yōu)控制與人工智能

主講：郝志峰

講座主題：大數(shù)據(jù)視角下數(shù)字孿生與元宇宙的思考

泰迪云課堂

第一課 Python數(shù)據(jù)分析與應(yīng)用

2022年

01月14日

18:30-22:00

1 Pandas統(tǒng)計分析基礎(chǔ)

1.1 Pandas簡介

1.2 讀寫不同數(shù)據(jù)源的數(shù)據(jù)

1.2.1 Pandas讀取文本數(shù)據(jù)

1.2.2 存儲數(shù)據(jù)框

1.2.3 Pandas讀取excel文件

1.2.4 將數(shù)據(jù)框存儲為excel文件

1.3 數(shù)據(jù)框與數(shù)據(jù)框元素

1.3.1 構(gòu)建數(shù)據(jù)框

1.3.2 查看數(shù)據(jù)框的常用屬性

1.3.3 按行列順序訪問數(shù)據(jù)框中的元素

1.3.4 按行列名稱訪問數(shù)據(jù)框中的元素

1.3.5 修改數(shù)據(jù)框中的元素

1.3.6 刪除數(shù)據(jù)框中的元素

1.3.7 描述分析數(shù)據(jù)框中的元素

1.4 轉(zhuǎn)換與處理時間序列數(shù)據(jù)

1.4.1 轉(zhuǎn)換成時間類型數(shù)據(jù)

1.4.2 時間類型數(shù)據(jù)的常用操作

1.5 使用分組聚合進(jìn)行組內(nèi)計算

1.5.1 groupby分組操作

1.5.2 agg聚合操作

1.6 創(chuàng)建透視表與交叉表

1.6.1 生成透視表

1.6.2 生成交叉表

2 使用Pandas進(jìn)行數(shù)據(jù)預(yù)處理

2.1 合并數(shù)據(jù)

2.1.1 表堆疊

2.1.2 主鍵合并

2.1.3 重疊合并

2.2 清洗數(shù)據(jù)

2.2.1 檢測與處理重復(fù)值

2.2.2 檢測與處理缺失值

2.2.3 檢測與處理異常值

2.3 標(biāo)準(zhǔn)化數(shù)據(jù)

2.4 轉(zhuǎn)換數(shù)據(jù)

2.4.1 啞變量處理

2.4.2 離散化連續(xù)型數(shù)據(jù)

泰迪云課堂

操作演練

個人PC

在線答疑

微信群

第二課 Python數(shù)據(jù)可視化

2022年

01月15日

18:30-22:00

1.1 Matplotlib繪制流程說明

1.2 添加文本和修改繪圖風(fēng)格

1.3 rc參數(shù)

1.4 散點圖

1.5 折線圖

1.6 直方圖和條形圖

1.7 餅圖

1.8 箱線圖

1.9 人口特征間分布

1.10 人口各個特征分布

泰迪云課堂

操作演練/作業(yè)

個人PC

在線答疑

微信群

拓展自學(xué)篇

自行安排

2.1 seaborn基礎(chǔ)介紹

2.2 seaborn簡單繪圖

2.3 seaborn繪圖風(fēng)格

2.4 調(diào)色板1

2.5 調(diào)色板2

2.6 關(guān)系圖

2.7分類圖

2.8分布圖

2.9回歸圖

2.10矩陣圖

2.11網(wǎng)格圖

3.1 Pyecharts基礎(chǔ)介紹

3.2 Pyecharts繪制日歷圖

3.3 Pyecharts繪制漏斗圖

3.4Pyecharts繪制儀表盤

3.5Pyecharts繪制水球圖

3.6Pyecharts繪制關(guān)系圖

3.7Pyecharts繪制直角坐標(biāo)系圖表

3.8Pyecharts繪制餅圖

3.9Pyecharts繪制雷達(dá)圖

3.10Pyecharts繪制詞云圖

3.11Pyecharts繪制柱狀圖

3.12Pyecharts繪制樹形圖

3.13Pyecharts繪制地理圖表

泰迪云課堂

第三課 Python機(jī)器學(xué)習(xí)實戰(zhàn)

2022年

01月16日

18:30-22:00

1.1引言

1.2基本術(shù)語

1.3假設(shè)空間&歸納偏好

2.1經(jīng)驗誤差與過擬合

2.2評估方法

2.3性能度量

2.4性能度量Python實現(xiàn)

3.1線性回歸基本形式

3.2線性回歸模型的Python實現(xiàn)

3.3波士頓房價預(yù)測的Python實現(xiàn)

3.4邏輯回歸介紹

3.5研究生入學(xué)錄取預(yù)測的Python實現(xiàn)

泰迪云課堂

操作演練/作業(yè)

個人PC

在線答疑

微信群

2022年

01月18日

18:30-22:00

4.1從女生相親到?jīng)Q策樹

4.2明天適合打球嗎

4.3決策樹拆分屬性選擇

4.4決策樹算法家族

4.5泰坦尼克號生還者預(yù)測—數(shù)據(jù)預(yù)處理

4.6泰坦尼克號生還者預(yù)測—模型構(gòu)建與預(yù)測

5.1聚類分析概述

5.2相似性度量

5.3K-Means聚類分析算法介紹

5.4利用K-Means算法對鳶尾花進(jìn)行聚類

5.5聚類結(jié)果的性能度量

5.6調(diào)用scikit-learn實現(xiàn)聚類分析

泰迪云課堂

操作演練/作業(yè)

個人PC

在線答疑

微信群

2022年

01月19日

18:30-22:00

6.1單個神經(jīng)元介紹

6.2經(jīng)典網(wǎng)絡(luò)結(jié)構(gòu)介紹

6.3神經(jīng)網(wǎng)絡(luò)工作流程演示

6.4如何修正網(wǎng)絡(luò)參數(shù)-梯度下降法

6.5網(wǎng)絡(luò)工作原理推導(dǎo)

6.6網(wǎng)絡(luò)搭建準(zhǔn)備

6.7樣本從輸入層到隱層傳輸?shù)腜ython實現(xiàn)

6.8網(wǎng)絡(luò)輸出的Python實現(xiàn)

6.9單樣本網(wǎng)絡(luò)訓(xùn)練的Python實現(xiàn)

6.10全樣本網(wǎng)絡(luò)訓(xùn)練的Python實現(xiàn)

6.11網(wǎng)絡(luò)性能評價

6.12調(diào)用scikit-learn實現(xiàn)神經(jīng)網(wǎng)絡(luò)算法

泰迪云課堂

操作演練/作業(yè)

個人PC

在線答疑

微信群

拓展自學(xué)篇

自行安排

7支持向量機(jī)

7.1非洲人還是北美人

7.2為什么有“樸素”二字

7.3拉普拉斯修正

7.4用高斯樸素貝葉斯算法解決鳶尾花分類問題

8 集成學(xué)習(xí)

8.1 集成學(xué)習(xí)基本概念

8.2 并行集成算法-Bagging&RandomForest

8.3 串行集成算法-Boosting算法流程

8.4 串行集成算法-Boosting代碼實現(xiàn)

8.5 Stacking算法流程

8.6 Stacking代碼實現(xiàn)

泰迪云課堂

第四課 實戰(zhàn)案例：運營商流失用戶分析與預(yù)測

2022年

01月20日

18:30-22:00

1.1背景與目標(biāo)

1.2案例思路分析

2.1數(shù)據(jù)探索

2.2數(shù)據(jù)去重及刪除無關(guān)屬性

2.3用戶分組及標(biāo)簽構(gòu)建

2.4提取用戶基本信息和在網(wǎng)時長

2.5處理合約是否有效

2.6處理合約計劃到期時間

2.7其余變量處理

2.8特征拼接及缺失值處理

2.9數(shù)據(jù)保存

3.1特征選擇介紹

3.2皮爾遜特征選擇

3.3處理樣本類別不均衡問題

4.1模型性能評估介紹

4.2模型構(gòu)建及性能評估

泰迪云課堂

操作演練/作業(yè)

個人PC

在線答疑

微信群

第五課 實戰(zhàn)案例：信用評分卡建模分析

2022年

01月21日

18:30-22:00

1.背景思路

1.1 金融風(fēng)控背景說明

1.2 案例分析流程說明

1.3 案例思路過程說明

2.基于邏輯回歸的貸款違約預(yù)測分析

2.1 數(shù)據(jù)讀取與分析

2.2 數(shù)據(jù)預(yù)處理

2.2.1 缺失值處理

2.2.2 重復(fù)值處理

2.2.3 異常值處理

2.3 數(shù)據(jù)探索性分析

2.3.1 變量分布特征探索分析

2.3.2 各個變量與是否違約的數(shù)據(jù)探索分析

2.4 特征選擇

2.5 建模分析

2.5.1 劃分?jǐn)?shù)據(jù)集

2.5.2 建立邏輯回歸模型

2.5.3 模型評估分析

3.基于WOE信用評分的邏輯回歸模型建立信用評分卡

3.1 特征選擇

3.1.1 分箱處理

3.1.2 相關(guān)分析

3.1.3 IV篩選

3.2 建模分析

3.2.1 WOE轉(zhuǎn)換

3.2.2 模型建立

3.2.3 模型檢驗

3.3 信用評分卡構(gòu)建

4.總結(jié)

泰迪云課堂

操作演練/作業(yè)

個人PC

在線答疑

微信群

第六課 實戰(zhàn)案例：百貨商場用戶畫像描繪與價值分析

2022年

01月22日

18:30-22:00

1.1 背景與分析目標(biāo)

2.1 會員信息表處理

2.2 銷售流水表處理

3.1 會員年齡分析

3.2 不同年齡的消費能力

3.3 不同性別的消費情況

3.4 會員和非會員消費情況

3.5 商場會員年消費趨勢

3.6 不同月份的消費趨勢

3.7 每年每月的消費金額趨勢

3.8 不同時刻的消費情況

4.1 用戶畫像介紹

4.2 會員基本信息標(biāo)簽

4.3 會員消費特征標(biāo)簽

4.4 會員商品偏好標(biāo)簽

4.5 生成用戶畫像

5.1 會員細(xì)分介紹

5.2 K-Means算法實現(xiàn)會員聚類

5.3 結(jié)果分析

泰迪云課堂

操作演練/作業(yè)

個人PC

在線答疑

微信群

第七課 實戰(zhàn)案例：天貓用戶重復(fù)購買預(yù)測

2022年

01月23日

18:30-22:00

1.1 背景與挖掘目標(biāo)

2.1 工程環(huán)境準(zhǔn)備

2.2 缺失值處理和數(shù)據(jù)去重

2.3 數(shù)據(jù)分布探索

3.1 特征工程介紹

3.2 原始特征

3.3.1 用戶相關(guān)特征：用戶在平臺的總交互次數(shù)

3.3.2 用戶相關(guān)特征：用戶最近一次購買距離第一次的時長

3.4.1 商家相關(guān)特征：商家被交互的數(shù)量

3.4.2 商家相關(guān)特征：商家的復(fù)購次數(shù)

3.5.1 用戶和商家相關(guān)特征：用戶在商家的交互次數(shù)

3.5.2 用戶和商家相關(guān)特征：不同用戶在不同商家購買率

3.6 離散型特征處理

4.1 建模前的數(shù)據(jù)處理

4.2 模型構(gòu)建

4.3 模型訓(xùn)練和評估

4.4 模型應(yīng)用

5 小結(jié)

泰迪云課堂

操作演練/作業(yè)

個人PC

在線答疑

微信群

第八課 在線考試

2022年

01月24日

19:00-21:00

高級機(jī)器學(xué)習(xí)工程師職業(yè)技術(shù)證書在線考試

泰迪云課堂