Python数据分析师集训班

课程亮点：

朝九晚九全程跟班答疑、一对一督学、定期直播串讲、五分钟内有问必答、出勤率和进度监督、作业与测试

学习目标：

熟练掌握数据科学领域受欢迎的编程语言-Python

掌握使用Python和pandas库进行数据清洗和预处理

使用Python爬虫获取网络数据

学会使用matplotlib、seaborn进行初级可视化

学会使用Pyecharts进行高级数据可视化

学会构建机器学习算法进行分类、预测和聚类模型

使用Python进行数据分析整体思路、针对业务做出模型优化选择

善用机器学习解决用户画像、精准营销、风险管理等商业问题

使用机器学习实操电商、金融、电信、医药行业真实项目案例

课程内容：

1章Python基础

1-1准备工作-Python开发环境配置

1-2Python标准数据类型

1-3控制流语句

1-4异常和错误（穿插在其他内容中讲）

1-5文件操作

2章Python进行数据整理和数据清洗

2-1Python标准库简介

2-2Numpy数组基础

2-3Pandas对象基础

3章python数据可视化（线上）

3-1绘图思想的基本原理

3-2Python数据可视化包-Matplotlib介绍

3-3使用Python数据处理包Pandas做可视化

3-4Python数据可视化包-Seaborn介绍与图形绘制

3-5Python数据可视化包-Pyecharts介绍与图形绘制

4章Python爬虫（线上）

4-1网络爬虫基础知识

4-2网络请求及响应-requests库

4-3HTML文档解析-BeautifulSoup库

4-4常见反爬虫机制及应对

4-5网络爬虫 VS 网络数据抓取

4-6实战一：批量下载头像

4-7实战二：抓取豆瓣书籍简介

4-8实战三：模拟浏览器selenium抓取电商商品信息及评论

5章Python数据清洗高级操作及案例实战

5-1数据的获取与存储

5-2数据探索

5-3数据清洗思维

5-4数据清洗实战案例一：泰坦尼克幸存者数据清洗（根据实际上课情况调整数据集）

5-5数据清洗实战案例二：USDA食品数据清洗（根据实际上课情况调整数据集）

6章Python编程考试（线上）

6-1Python基础部分

6-2Python数据清洗的实现

7章机器学习算法

7-1准备工作：开发环境配置（以文档的形式给出）

7-2机器学习入门介绍：

7-3scikit-learn入门：Scikit-Learn库简介

7-4KNN-最近邻分类算法：原理、实现

7-5决策树算法：原理、实现、相关技术应用及实例

7-6随机森林算法：原理、实现及相关技术应用：以乳腺癌预测为例

7-7K-Means聚类算法：原理、实现及簇选择与矢量化应用

7-8关联规则算法：原理、实现

7-9线性回归

7-10逻辑回归

7-11SVM支持向量机

7-12分类模型的评估指标（续）

7-13朴素贝叶斯算法

8章电商案例

8-1分析目标：

8-2基于国外大型电商用户购买信息数据的客户购买预测模型构建流程：

9章金融案例

9-1分析目标:

9-2基于大型金融公司的客户贷款信息，构建用户信用评分卡模型的建模步骤：