Python授课讲师:
阎老师,长期从事数据分析的理论研究、教学和实践工作。长期关注Python的发展和国内外各行业的应用情况,一直保持着与统计应用前沿的密切接触,在数据挖掘应用、市场研究应用等领域经验丰富。擅长企业数据分析和企业诊断,参与多项、省级课题的科研工作,曾任多家电商企业的运营顾问和培训师,积累了大量实战经验。
初级课程大纲:
Part-1 初识Python |
讲 Python使用基础知识 | 1. 选择合适操作系统的版本 2. 安装和配置外部接口(IDE) 3. 创建Python项目 4. 帮助文档的使用 |
第二讲 深入Python流程控制 | 1. 一个概览式的小程序及注意事项 2. 条件与条件语句 3. 循环以及嵌套语句 4. 循环控制语句 5. range()函数 6*. array()函数 7. 练习:熟练掌握控制流 |
第三讲 函数及数据结构 | 1. 认识函数 2. 定义函数 3. 形参、实参、默认参数、返回值 4. 内置函数形式 5. 全局变量与局部变量 6. Python数据结构(序列、列表、元组和字典) 7. 应用实例
|
Part-2 Python科学计算 |
第四讲 数据处理与计算 | 1. 常用模块概览与导入 2. 数组的创建与生成 3. 利用数组进行数据处理 4. 用于数组的文件输入输出 5. 线性代数 6. 应用实例
7. 练习 |
第五讲 数据描述与分析 | 1. 汇总和计算描述统计 2. 处理缺失数据 3. 数据加载、存储与文件格式 4. 应用实例 |
第六讲 绘图与可视化 | 1. 绘图命令的基本架构 2. Pandas描述性统计图形概览 3. 图形元素属性的设定 4. 应用实例 5. 练习 6. 小甜点:画一个六角星 |
Part-3 Python数据挖掘初探 |
第七讲 数据挖掘 | 1. 线性回归模型回顾 2. 最优化方法——梯度下降法 3. 参数估计与假设检验 4. 线性回归分析的结果呈现与解读 5. 应用实例 |
第八讲(附录) 异常处理 | 1. try...except 2. try...finally 3. raise 4. traceback模块 5. sys模块 6. 常见异常 7. 练习 |
高级班课程大纲:
Part-1 统计分析基础 |
章 线性代数的实践
| 1. 行列式计算 2. 矩阵操作 3. 线性方程组计算 4. 线性代数知识应用 |
Part-2 数据分析与挖掘 |
第二章 统计分析:回归模型探讨
| 1. 线性回归模型回顾 2. Logistic回归拟合 3. Robust回归拟合 4. 岭回归 |
第三章 假设检验
| 1. T检验 2. Wald检验 3. 单因素方差分析再探讨 4. 单因素重复测量方差分析 5. 多因素方差分析 6. 单因素卡方检验 7. 双因素卡方检验 |
第四章 预测算法:回归模型的机器学习应用 | 1. 线性回归模型的机器学习应用 2. Logistic回归的机器学习应用 3. 岭回归的机器学习应用 |
第五章 分类算法:判别分析与聚类 | 1. 决策树 2. Kmeans聚类 3. 谱聚类 4. 判别分析 |
第六章 时间序列分析
| 1. 序列相关及检验 2. 平稳时间序列模型 3. 非平稳时间序列模型 4. 时间序列绘图 |
Part-3绘图工具深入学习 |
第七章 绘图工具深入学习 | 1. Matplotlib绘图函数参数设置 2. Matplotlib绘图 3. Chart绘图初探 |
课程中间穿插应用实例和练习,更快掌握Python这种编程语言。