Python学术系列课程：现场/线上, 任你选择

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

Python是由荷兰的吉多·范罗苏姆在90年代初设计，设计之初是作为一门ABC语言的替代品。

Python易于扩展，可以使用C语言或C++扩展新的功能和数据类型。

Python有丰富的标准库，提供了适用于各个主要系统平台的源码或机器码。

2021年10月，Python加冕为最受欢迎的编程语言，20年来首次将其置于Java、C和JavaScript之上。

目前很多研究机构、公司等用Python做科学计算，一些知名大学用Python来教授程序设计。例如CMU的编程基础、MIT的计算机科学及编程导论就使用Python语言讲授。

很多开源的科学计算软件包都提供了Python的调用接口，例如计算机视觉库OpenCV、三维可视化库VTK和医学图像处理库ITK等。Python专用的科学计算扩展库就更多了，例如科学计算扩展库：NumPy、SciPy和matplotlib，其中NumPy提供了快速数组处理、SciPy提供了数值运算、matplotlib提供了绘图功能。

由于Python的众多扩展库，吸引了大批的工程技术、科研人员使用处理实验数据，制作图表等。

使用Python开发的应用比较多，例如在文本和图像处理，Python的应用覆盖很广，包括web开发，计算机科学等多个领域。

另外，随着近些年来移动互联网的快速发展，每时每刻互联网都会产生大量的数据，如果进行有效地数据挖掘成为了非常重要的需求，而Python在处理大数据方面具有很好地优势。

另外，人工智能、机器学习中，Python也被广泛应用。各大机器学习框架，例如Tensorflow，Pytorch，PaddlePaddle等，都使用Python语言来编写，可以解决各类机器学习问题。

那么别犹豫了，快快动起手来学习Python吧。

2022年寒假，把Python列入你的学习计划，给自己一个变强的开始和机会！！

市面上大部分Python是针对业界的需求与应用，经管之家学术培训针对高校的老师和同学在寒假提供一系列Python学术应用课程，为大家的科研精准助力：

Python学术一站式学习，近60小时课程（含答疑）

从编程基础到爬虫，到机器学习，到文本分析：

https://bbs.pinggu.org/thread-10718795-1-1.html

Python深度学习学术应用（新课）

Python学术系列课程

2022年新课，24小时五大主题

原理+案例+前沿进展

3月26-27, 4月3-4日远程班

https://www.peixun.net/view/1851.html

Python学术丨Python爬虫实战精讲班，4天远程班录播（提供答疑）

这门课剔除了不必要的分支功能学习，只有爬虫。对，只有爬虫。在这门课结束之后，我们能够爬取微博、豆瓣、知乎、猫眼、淘宝、苏宁、携程、股票，还有Zhi网……

https://bbs.pinggu.org/thread-10312561-1-1.html

8小时掌握Python操作，2022年2月上线（新课）

十年Python经验

立足小白，以经管学术需求为导向

文科生的也可以轻松上手

可用于教学及论文的必备科研利器

https://www.peixun.net/view/1844.html

Python统计建模到深度学习全程班

8大专题，110小时视频，张文彤老师亲自答疑

https://edu.pinggu.org/detail/p_60ed40c2e4b0a139a3fd9093/8?fromH5=true

Python数据挖掘与深度学习系列课程----行业案例版

4大主题，4大真实业务案例

47小时视频+资料+答疑

https://edu.pinggu.org/detail/p_61149b64e4b054ed7c4d149e/8

Python机器学习现场班，5天与陈强老师面对面交流

30小时授课与课后无时限交流：

https://bbs.pinggu.org/thread-10865653-1-1.html

课程优惠及试听请联系

尹老师

电话：13321178792

QQ：42884447

WeChat：JGxueshu

                             

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：python

机器学习及Python应用

课程信息

培训时间：2022年7月20-24日 (五天)

培训地点：上海市（开课前10天发送交通住宿指南）

授课安排：上午9:00-12:00；下午2:00-5:00；答疑5:00-6:00

课程费用：6000元/5400元(学生价,仅限全日制在读本科和硕士)

提供电子版培训发票及开课通知，纸质版结业证书

在线报名：https://www.peixun.net/main.php?mod=buy&cid=1771

授课大纲

第1讲  机器学习引论

(1) 什么是机器学习

(2) 机器学习的分类与术语

(3) 案例：垃圾邮件过滤；手写体数字识别；图像识别；自动驾驶

第2讲  Python语言快速入门

(1) Why Python？

(2) 安装Python与Spyder

(3) Python的模块(module)

(4) Python的对象(str, bool, list, tuple, dict, set)

(5) Python的函数(function)与方法(method)

(6)Numpy (ndarray),pandas(Series, Data Frame)

(7) sklearn(机器学习)与keras(深度学习)

(8) Python画图(Matplotlib, pandas, seaborn)

(9) Python面向对象编程

第3讲 数学回顾

(1) 梯度向量
(2) 方向导数

(3) 梯度下降

(4) 向量微分

(5) 最优化

第4讲 线性回归

(1) OLS

(2) 过拟合与泛化能力

(3) 偏差与方差的权衡

(4) 交叉验证

(5) Python案例：多项式回归的过拟合；波士顿房价

第5讲 逻辑回归

(1) Logit

(2) 几率比

(3) 灵敏度与特异度

(4) ROC与AUC

(5) 科恩的kappa

(6) Python案例：泰坦尼克号旅客的存活

第6讲 多项逻辑回归

(1) 多项Logit

(2) Python案例：识别玻璃类别

第7讲 朴素贝叶斯

(1) 朴素贝叶斯(Naive Bayes)

(2) 拉普拉斯修正(Laplacian Correction)

(3) Python案例：垃圾邮件的识别

第8讲 惩罚回归

(1) 高维回归的挑战

(2) 岭回归(Ridge Regression)

(3) 套索估计(Lasso)

(4) 弹性网估计(Elastic Net)

(5) Python案例：前列腺癌的影响因素

第9讲 K近邻法

(1) 回归问题的K近邻法

(2) 分类问题的K近邻法

(3) Python案例：摩托车撞击实验数据；鸢尾花品种的归类；威斯康辛乳腺癌的诊断

第10讲 决策树

(1) 分类树(Classification Tree)

(2) 分裂准则(错分率、基尼指数、信息熵)

(3) 成本复杂性修枝

(4) 回归树(Regression Tree)

(5) Python案例：波士顿房价；葡萄牙银行市场营销

第11讲 随机森林

(1) 集成学习(Ensemble Learning)

(2) 装袋法(Bagging)

(3) 随机森林(Random Forest)

(4) 变量重要性(Variable Importance)

(5) 偏依赖图(Partial Dependence Plot)

(6) Python案例：波士顿房价；声呐信号的分类

第12讲 提升法

(1) 自适应提升法 (AdaBoost)

(2) AdaBoost的统计解释

(3) 梯度提升法 (Gradient Boosting Machine)

(4) XGBoost算法

(5) Python案例：波士顿房价；过滤垃圾邮件；识别玻璃类别

第13讲 支持向量机

(1) 最大间隔分类器(Maximal Margin Classifier)

(2) 软间隔分类器(Soft Margin Classifier)

(3) 支持向量机(Support Vector Machine)

(4) 核技巧(Kernel Trick)

(5) 支持向量回归(Support Vector Regression)

(6) Python案例：模拟数据；过滤垃圾邮件；识别手写数字；波士顿房价

第14讲  人工神经网络

(1) 人工神经网络的思想

(2) 感知机（Perceptron）

(3) 前馈神经网络(Feedforward Neural Network)

(4) 激活函数(Activation Function)

(5) 反向传播算法(Back-propagation Algorithm)

(6) 随机梯度下降(Stochastic Gradient Descent)

(7) 神经网络的过拟合与正则化

(8) 卷积神经网络(Convolution Neural Network)

(9) 深度学习的发展

(10) Python案例(sklearn与Keras)：波士顿房价；过滤垃圾邮件；模拟数据；路透社新闻主题分类，手写数字数据集MNIST

第15讲(Bonus Lecture) 机器学习在经管社科的应用

精读几篇在经管社科顶刊发表的经典机器学习论文

不难看出，本次课程可谓干货满满、奇货可居。更难得可贵的是，主讲老师陈强教授具有丰富的教学经验、激情与魅力，是广大计量学子心目中真正的“计量男神”，尤其擅长化繁为简、直指人心，让学员们迅速上手新知识与技能。

陈强老师的Python机器学习现场班一年仅两场，错过就是180天的距离~

优惠信息

JG学术老学员9折优惠；

同一单位三人以上同时报名9折优惠；

同一单位六人以上同时报名8折优惠；

以上优惠与学生价均不叠加。

报名流程

1. 点击“https://www.peixun.net/main.php?mod=buy&cid=1771”，在线提交报名信息；

2. 在线订单支付，支持支付宝，微信，公务卡银联；

3. 确认发票信息，2个工作日连同通知发送至邮箱；

4. 开课前一周发送资料及上课事宜。

Python学术一站式学习，全面掌握Python学术应用

学习路径建议：编程基础→爬虫→机器学习→文本分析

Python学术讲师介绍：

陈远祥，北京邮电大学副教授 。2014年毕业于北京大学，获通信与信息系统专业博士学位，2015年-2017年在北京大学做博士后研究。

发表SCI/EI学术论文80余篇，其中第一或通讯作者论文40余篇，申请发明专利4项。

主持国家自然科学基金面上项目，国家重点研发计划子课题，国家自然科学基金青年项目及博士后基金等多个国家级和省部级项目。

IEEE、OSA会员，OpticsExpress, IEEE Photonics Technology Letters，Photonics Journal，Applied Optics等多个SCI期刊审稿人。

1st：Python编程基础

课程时长：551分钟

课程单价：1000元

学习方式：在线学习，提供全套资料及主讲陈远祥老师答疑

在线报名：https://www.peixun.net/main.php?mod=buy&cid=1595

课程详情：

                              

2nd：Python爬虫

课程时长：611分钟

课程单价：2000元

学习方式：在线学习，提供全套资料及主讲陈远祥老师答疑

在线报名：https://www.peixun.net/main.php?mod=buy&cid=1596

课程详情：

3rd：Python文本分析

课程时长：611分钟

课程单价：3000元

学习方式：在线学习，提供全套资料及主讲陈远祥老师答疑

在线报名：https://www.peixun.net/main.php?mod=buy&cid=1597

课程详情：

4th：Python机器学习

从机器学习学术应用介绍到机器学习核心算法到机器学习学术应用指导

课程时长：1800分钟

课程单价：4000元

学习方式：在线学习，提供全套资料及主讲陈远祥老师答疑

在线报名：https://www.peixun.net/main.php?mod=buy&cid=1735

课程详情：

优惠：

1，报名机器学习赠送Python编程基础；

2，报名机器学习可以八折优惠价购买Python爬虫及文本分析；

3，编程基础，爬虫，文本任选两门以上可以九折优惠；

4，现场班/远程班老学员九折优惠；

5，折扣优惠不叠加，折扣优惠与学术会员账号优惠券可以叠加使用。

报名流程：

1，点击对应课程报名链接，在线提交报名信息；

2，经管之家账号登录，提单支付；

3，支付后发送课程资料，开通课程在线学习权限；

4，发送电子版发票，开课通知；课后发送结业证书。

Python爬虫学术应用远程班

培训时长：24小时

培训方式：线上学习，提供全部资料及主讲老师答疑

培训费用：3600元 / 3200元(学生价仅限全日制本科生及硕士在读)

在线报名：http://www.peixun.net/main.php?mod=buy&cid=1271

讲师介绍：

阎老师，长期从事数据 分析的理论研究、教学和实践工作。

长期关注各类统计软件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，参与多项国家级、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。

课程导语：

在了解爬虫的过程中，由于对这项技术缺乏系统了解，“小白”们难免会被纷繁生僻的知识点折腾地眼花缭乱、晕头转向。有的人打算先搞懂基本原理和工作流程，有的人计划从软件的基本语法入门，也有人打算弄懂了网页结构再来……在学习抓取网络信息的道路上，许多人因为中途掉进陷阱最终无功而返。因此，掌握规律和方法的确非常重要。

这一门课的目的，就是希望能够通过通俗易懂的讲解，令没有编程基础的研究人员通过学习，能够举一反三学，最终掌握熟练爬取主流网站内容的技能，并整理成为可为后续分析提供依据的数据资料。因而，这门课剔除了不必要的分支功能学习，只有爬虫。对，只有爬虫。在这门课结束之后，我们能够爬取微博、豆瓣、知乎、猫眼、淘宝、苏宁、携程、股票，还有Zhi网……

课程大纲：

为了能够完整地呈现Python数据采集的方法和过程，这门课将分为四大部分——

一、Python快速入门（6小时）

在写爬虫之前，我们需要了解一些有关工具的基础知识。所以，第一天的授课内容是关于Python基础的，是后续课程中读懂并编写爬虫程序的铺垫。这部分内容将紧紧围绕爬虫所需知识展开，求精不求全。其中包括Python的数据结构、变量类型、循环和控制语句，以及如何编写一个完整的函数。有基础的老师可以跳过这一部分直接进入第二部分。

第1章 认识Python（6小时）

1. 数据类型与使用环境

2. 条件与循环语句

3. 控制流

4. 编写并调用属于自己的函数

5. 异常处理

二、初识爬虫（6小时）

在这一部分中，我们将正式接触爬虫，我们也将感受到每天都在使用的浏览器究竟藏着哪些细节。为了能够得到清洁的数据，我们不得不忽略网页精致的外观和编排，刻意绕开浏览器的帮助来分离和理解数据。页面的源代码里除了我们认识的文字，那些标签都有着怎样的含义？如何把网页内容“请”到我们的分析工具中来？爬取数据有怎样的规律可循？这些都是第二部分将要呈现的内容。

第2章 重新认识网络（2小时）

1. 什么是Web前端

2. HTML的规范结构

3.认识导航树

第3章 创建爬虫（3.5小时）

1. 什么是爬虫

2. Python爬虫的环境搭建

3. 爬虫三部曲——获取、解析、保持

4. 案例：创建第一个爬虫

三、页面解析（12小时）

在之前的课程中，我们已经知道了要怎样繁复的工程才堆砌出绚丽的网页，但这其中大部分的内容是我们并不需要的。如何穿越层层与我们无关的标签和HTML属性抽取到清洁的数据内容？如何使用更简洁高效的方式达到目的？大名鼎鼎的“正则”究竟是什么？这些是4-6章要重点讲授的内容。

第4章 常规HTML解析（3.5小时）

1. 一个名叫“心灵鸡汤”的扩展库

2. 中文字符处理

3. 正则表达式

4. 抓取到的数据写入本地

案例解析：指定内容的爬取

第5章 复杂页面数据爬取（4小时）

1.静态多页面解析及数据抓取                     

2. 动态HTML解析

3. POST请求数据与JOSN格式

4. 反爬虫与突破反爬虫

5. 多线程与多进程加速

案例解析：动态爬虫抓取商品与评论信息

第6章 动态渲染页面的抓取（3小时）

1. 自动化测试库Selenium与无界面浏览器

2. 访问并获取页面html

3. 解析网页并抓取关键字相关内容

案例解析：基于搜索引擎的指定内容抓取

四、爬取结果的处理（1.5小时）

一个长句中究竟包含了哪些有效信息？一条评价反映出客户怎样的态度？接下来的内容将介绍一些工具和方法，帮助我们控制或筛选进入视线的数据，为后续的数据分析做准备。

第7章 自然语言处理入门（1.5小时）

1. 获取文本语料

2. 加工原始文本

3. 从文本中提取信息

4. 基于NLP的情感分析

5. 调用自己的语料库

案例解析：评论类内容的情感分析

五、课程体系梳理回顾（0.5小时）

8小时掌握Python操作

2022年新课~ 2022年2月上线，课程上线前购买优惠价699元！！

课程提供全套资料及主讲老师亲自答疑~

讲师介绍：

阎老师，长期从事数据分析的理论研究、教学和实践工作。
长期关注各类统计软件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，参与多项国家级、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。

课程内容：

0. Python软件介绍及安装（Win & OS）

0.1 本地软件及IDE安装

（1）IPython

（2）Anaconda

（3）Pycharm

（4）常用扩展库

0.2 可移动编程环境的搭建

0.3 在线编程界面介绍

（1）IPython

（2）Anaconda

（3）Pycharm

0.4 Python2.x与3.x的主要差异

（1）print表达

（2）range和xrange

（3）Unicode

（4）计算和运算符

（5）部分模块和扩展函数的变化

0.5 代码输入与结果展示

（1）普通代码输入与print结果输出

（2）互动式input/raw_input输入与结果输出

1. Python数据结构及运算

1.1 Python变量

（1）标准变量类型（整型、长整型、浮点型、字符型、复数）

（2）局部变量与全局变量

1.2 Python数据类型

（1）列表

（2）元组

（3）字典

（4）数组

（5）数据

1.3 数据类型的相互转换

（1）数字转字符串

（2）字符串转数字

（3）整型转浮点型

（4）浮点型转整型

1.4 Python运算符

（1）计算

（2）比较

（3）赋值

（4）逻辑

（5）成员归属

（6）身份识别

2. Python循环控制流

2.1 Python条件语句

（1）单条件语句

（2）多条件语句

2.2 Python循环语句

（1）while循环

（2）for循环

2.3 Python嵌套语句

（1）循环+条件语句

（2）循环+循环语句

2.4 Python控制语句

（1）continue

（2）break

（3）pass

3. Python函数编写与使用

3.1 Python函数

（1）内置函数

（2）扩展函数

（3）函数导入与使用

（4）扩展函数参数解读

（5）函数编写与调用（标准函数、匿名函数）

3.2 Python类

3.3 Python模块

（1）模块的创建

（2）模块的调用

4. Python文件读写

4.1 Python本地文本读取

（1）本地数据读取

（2）本地文本读取

4.2 Python网络文本读取

（1）数字与英文内容读取

（2）中文内容读取

4.3 Python中文的处理

4.4 Python文本写入本地

（1）数据和文字写入文本文档

（2）二维数据写入表格

5. Python错误与异常

5.1 Python错误识别

（1）错误/异常产生原因

（2）标准异常简介

5.2 Python异常处理

5.3 Python自定义异常

6. Python画图

（1）画图扩展库

（2）二维图形

（3）三维图形

（4）画图参数设定

Python深度学习学术应用
1. 神经网络的引入：从线性回归到逻辑回归到神经网络

1.1 线性回归模型

1.2 逻辑回归模型

1.3 神经网络模型

2. 深度学习框架介绍与剖析

2.1 什么是深度学习框架？

2.2 TensorFlow

2.3 Keras

2.4 PyTorch

2.5 Caffe

2.6 Deeplearning4j

2.7 五个深度学习框架之间的对比

3. 图像识别与卷积神经网络

3.1 卷积神经网络的引入

3.2 卷积神经网络结构

3.3 常用卷积网络模型

3.4 案例应用：基于卷积神经网络的数字识别和图像识别

3.5 案例应用：基于卷积神经网络的人脸识

4. 自然语言处理与循环神经网络

4.1 循环神经网络的引入

4.2 循环神经网络结构

4.3 LSTM 网络结构

4.3 案例应用：基于循环神经网络和 LSTM 的情感分析

5. 深度学习自然语言处理最新框架与应用

5.1 TextCNN 网络结构

5.2 TextRNN 网络结构

5.3 FastText 网络结构

5.4 BiLSTM_Attention 网络结构

5.5 Transformer 网络结构

5.6 BERT 网络结构

5.6 模型性能对比

Python统计建模到深度学习全程班

Part1：

玩转Pandas  1门课程  10小时

本课程将在实战中学习Pandas包，学员将学习独立使用Pandas包完成数据读入、数据清理、数据准备、图表呈现等工作。

Part2：

玩转统计分析 1门课程 10小时

围绕scipy.stats和statsmodels包的相关功能展开，从统计分析实战的角度出发详细介绍了如何在Python中完成数据描述、t检验、单因素方差分析、卡方检验、相关回归等统计分析操作。

Part3：

玩转统计模型  1门课程  19小时

系统学习各种统计/数据挖掘模型，并学习这些模型在sklearn和statsmodels中的实现。

Part 4：

零代码玩转网络爬虫！(2021版)  1门课程 10小时

在实战中学习如何对新浪、淘宝、微博等网站数据进行抓取，学员将学习如何独立设计相应的网络爬虫，抓取所需的页面数据，满足自身工作和研究中的几乎所有数据抓取需求。

Part 5：

Python数据挖掘  3门课程  29小时

玩转数据可视化：数据可视化工具matplotlib+seaborn的使用。

数据挖掘入门：从理论高度介绍数据挖掘方法体系。

玩转数据挖掘：数据挖掘完整流程在sklearn中的实现。

Part 6：

Python文本挖掘与深度学习  2门课程  22小时

玩转文本挖掘：文本挖掘（自然语言处理）在word2vec，gensim中的实现。

深度学习： CNN、RNN、LSTM等深度学习模型Keras+Tensorflow环境下的实现。

Python数据挖掘与深度学习系列-行业案例版
本套包含4门课程，总时长47小时

01 欺诈检测   9小时42分钟
使用银行征信和互联网金融征信两个真实案例，完整实现了欺诈检测在相关业务领域中的构建流程。

02 推荐系统   12小时49分钟
帮助学员学习在具体互联网业务背景下推荐系统的实战操作。

03 客户流失分析  11小时28分钟
学习在具体行业背景下用户流失预警模型的实战操作。

04 信用评分方法  13小时
使用银行征信和互联网金融征信两个真实案例，完整实现了评分卡模型在相关业务领域中的构建流程。

资料狂人 发表于 2022-1-4 09:14
Python是由荷兰的吉多·范罗苏姆在90年代初设计，设计之初是作为一门ABC语言的替代品。  Python易于扩展，可 ...