Python是一門解釋性語(yǔ)言，僅次于JAVA/C/C++/C#最受歡迎的語(yǔ)言，可應(yīng)用在大數(shù)據(jù)語(yǔ)言。易學(xué)，易懂，功能強(qiáng)大。其中有著大量的擴(kuò)展庫(kù)來(lái)實(shí)現(xiàn)數(shù)據(jù)分析與數(shù)據(jù)挖掘功能。

第一部分：Python語(yǔ)言基礎(chǔ)

目的：掌握基本的Python編程思想與編程語(yǔ)句，熟悉常用數(shù)據(jù)結(jié)構(gòu)的操作

1、Python簡(jiǎn)介

2、開發(fā)環(huán)境搭建

? ?Python的安裝

? ?擴(kuò)展庫(kù)的安裝

3、掌握Python的簡(jiǎn)單數(shù)據(jù)類型

? ? 字符串的使用及操作

? ?整數(shù)、浮點(diǎn)數(shù)

4、掌握基本語(yǔ)句：

? ?if、while、for、print等

? ?基本運(yùn)算：

? ?函數(shù)定義、參數(shù)傳遞、返回值

5、掌握復(fù)雜的數(shù)據(jù)類型：列表/元組

? ?列表操作：訪問(wèn)、添加、修改、刪除、排序

? ?列表切片、復(fù)制等

? ?列表相關(guān)的函數(shù)、方法

? ?元組的應(yīng)用

6、復(fù)雜數(shù)據(jù)類型：字典

? ?創(chuàng)建、訪問(wèn)、修改、刪除、遍歷

? ?字典函數(shù)和方法

7、復(fù)雜數(shù)據(jù)類型：集合

8、掌握面向?qū)ο缶幊趟枷?

? ?創(chuàng)建類、繼承類

? ?模塊

9、函數(shù)定義、參數(shù)傳遞、返回值

10、 ? ?標(biāo)準(zhǔn)庫(kù)與擴(kuò)展庫(kù)的導(dǎo)入

11、 ? ?異常處理:try-except塊

演練：基本的Python編程語(yǔ)句

第二部分：Python語(yǔ)言與數(shù)據(jù)挖掘庫(kù)

目的：掌握數(shù)據(jù)集結(jié)構(gòu)及基本處理方法，進(jìn)一步鞏固Python語(yǔ)言

1、數(shù)據(jù)挖掘常用擴(kuò)展庫(kù)介紹

? ?Numpy數(shù)組處理支持

? ?Scipy矩陣計(jì)算模塊

? ?Matplotlib數(shù)據(jù)可視化工具庫(kù)

? ?Pandas數(shù)據(jù)分析和探索工具

? ?StatsModels統(tǒng)計(jì)建模庫(kù)

? ?Scikit-Learn機(jī)器學(xué)習(xí)庫(kù)

? ?Keras深度學(xué)習(xí)（神經(jīng)網(wǎng)絡(luò)）庫(kù)

? ?Gensim文本挖掘庫(kù)

2、數(shù)據(jù)集讀取與操作：讀取、寫入

? ?讀寫文本文件

? ?讀寫CSV文件

? ?讀寫Excel文件

? ?從數(shù)據(jù)庫(kù)獲取數(shù)據(jù)集

3、數(shù)據(jù)集的核心數(shù)據(jù)結(jié)構(gòu)（Pandas數(shù)據(jù)結(jié)構(gòu)）

? ?DataFrame對(duì)象及處理方法

? ?Series對(duì)象及處理方法

演練：用Python實(shí)現(xiàn)數(shù)據(jù)的基本統(tǒng)計(jì)分析功能

第三部分：數(shù)據(jù)可視化處理

目的：掌握作圖擴(kuò)展庫(kù)，實(shí)現(xiàn)數(shù)據(jù)可視化

1、常用的Python作圖庫(kù)

? ?Matplotlib庫(kù)

? ?Pygal庫(kù)

2、實(shí)現(xiàn)分類匯總

演練：按性別統(tǒng)計(jì)用戶人數(shù)

演練：按產(chǎn)品+日期統(tǒng)計(jì)各產(chǎn)品銷售金額

3、各種圖形的畫法

? ?直方圖

? ?餅圖

? ?折線圖

? ?散點(diǎn)圖

4、繪圖的美化技巧

演練：用Python庫(kù)作圖來(lái)實(shí)現(xiàn)產(chǎn)品銷量分析，并可視化

第四部分：數(shù)據(jù)挖掘基礎(chǔ)

目的：掌握數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程

1、數(shù)據(jù)挖掘概述

2、數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程（CRISP-DM）

? ?商業(yè)理解

? ?數(shù)據(jù)準(zhǔn)備

? ?數(shù)據(jù)理解

? ?模型建立

? ?模型評(píng)估

? ?模型應(yīng)用

3、數(shù)據(jù)挖掘常用任務(wù)與算法

案例：用大數(shù)據(jù)實(shí)現(xiàn)精準(zhǔn)營(yíng)銷的項(xiàng)目過(guò)程

第五部分：數(shù)據(jù)理解和數(shù)據(jù)準(zhǔn)備

目的：掌握數(shù)據(jù)預(yù)處理的基本環(huán)節(jié)，以及Python的實(shí)現(xiàn)

1、數(shù)據(jù)預(yù)處理

? ?異常值處理：3σ準(zhǔn)則，IQR準(zhǔn)則

? ?缺失值插補(bǔ)：均值、拉格朗日插補(bǔ)

? ?數(shù)據(jù)篩選/抽樣

? ?數(shù)據(jù)的離散化處理

? ?變量變換、變量派生

2、數(shù)據(jù)的基本分析

? ?相關(guān)分析：原理、公式、應(yīng)用

? ?方差分析：原理、公式、應(yīng)用

? ?卡方分析：原理、公式、應(yīng)用

? ?主成分分析：降維

案例：用Python實(shí)現(xiàn)數(shù)據(jù)預(yù)處理及數(shù)據(jù)準(zhǔn)備

第四部分：分類預(yù)測(cè)模型實(shí)戰(zhàn)

1、常見分類預(yù)測(cè)的模型與算法

2、如何評(píng)估分類預(yù)測(cè)模型的質(zhì)量

? ?查準(zhǔn)率

? ?查全率

? ?ROC曲線

3、邏輯回歸分析模型

? ?邏輯回歸的原理

? ?邏輯回歸建模的步驟

? ?邏輯回歸結(jié)果解讀

案例：用sklearn庫(kù)實(shí)現(xiàn)銀行貸款違約預(yù)測(cè)

4、決策樹模型

? ?決策樹分類的原理

? ?決策樹的三個(gè)關(guān)鍵問(wèn)題

? ?決策樹算法與實(shí)現(xiàn)

案例：電力竊漏用戶自動(dòng)識(shí)別

5、人工神經(jīng)網(wǎng)絡(luò)模型（ANN）

? ?神經(jīng)網(wǎng)絡(luò)概述

? ?神經(jīng)元工作原理

? ?常見神經(jīng)網(wǎng)絡(luò)算法（BP、LM、RBF、FNN等）

案例：神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)產(chǎn)品銷量

6、支持向量機(jī)（SVM）

? ?SVM基本原理

? ?維災(zāi)難與核心函數(shù)

案例：基于水質(zhì)圖像的水質(zhì)評(píng)價(jià)

7、貝葉斯分析

? ?條件概率

? ?常見貝葉斯網(wǎng)絡(luò)

第五部分：數(shù)值預(yù)測(cè)模型實(shí)戰(zhàn)

1、常用數(shù)值預(yù)測(cè)的模型

? ?通用預(yù)測(cè)模型：回歸模型

? ?季節(jié)性預(yù)測(cè)模型：相加、相乘模型

? ?新產(chǎn)品預(yù)測(cè)模型：珀?duì)柷€與龔鉑茲曲線

2、回歸分析概念

3、常見回歸分析類別

第六部分：聚類分析（客戶細(xì)分）實(shí)戰(zhàn)

1、客戶細(xì)分常用方法

2、聚類分析（Clustering）

? ?聚類方法原理介紹及適用場(chǎng)景

? ?常用聚類分析算法

? ?聚類算法的評(píng)價(jià)

案例：使用SKLearn實(shí)現(xiàn)K均值聚類

案例：使用TSNE實(shí)現(xiàn)聚類可視化

3、RFM模型分析

? ?RFM模型，更深入了解你的客戶價(jià)值

? ?RFM模型與市場(chǎng)策略

案例：航空公司客戶價(jià)值分析

第七部分：關(guān)聯(lián)規(guī)則分析實(shí)戰(zhàn)

1、關(guān)聯(lián)規(guī)則概述

2、常用關(guān)聯(lián)規(guī)則算法

3、時(shí)間序列分析

案例：使用apriori庫(kù)實(shí)現(xiàn)關(guān)聯(lián)分析

案例：中醫(yī)證型關(guān)聯(lián)規(guī)則挖掘

第八部分：案例實(shí)戰(zhàn)（學(xué)員主導(dǎo)，老師現(xiàn)場(chǎng)指導(dǎo)）

1、實(shí)戰(zhàn)1：電商用戶行為分析及服務(wù)推薦

2、實(shí)戰(zhàn)2：基于基站定位數(shù)據(jù)的商圈分析

結(jié)束：課程總結(jié)與問(wèn)題答疑。