上海甫崎基于Python的数据分析与数据挖掘培训课程

章节

课程内容

知识点

入门篇

一、数据挖掘概述

1.1 什么是数据挖掘

1.2 数据挖掘的项目流程

二、数据挖掘常用Python工具入门

2.1 为什么选择Python

2.2 常用的Python工具

Numpy

Pandas

Scikit.learn

数据篇

三、数据准备

3.1 使用Pandas存取数据

CSV/TSV

JSON

MySQL

3.2 让数据可用

数据抽取

数据合并

数据清洗

数据Shuffle与随机采样

文本操作

四、数据探索

4.1 数据探索的重要性

4.2 认识数据

变量类型、数据类型与变量种类

数据自洽性验证

数据的描述性统计

单变量统计方法

多变量分析

4.3 从数据到特征 – 特征工程

基础特征的生成

   数据归一化

   数据变换

   数据降维

       PCA

       LDA

高阶特征的生成

模型篇

五、常用模型

5.1 无监督方法

聚类分析

   k-means

   GMM

关联规则

5.2 有监督方法

kNN

支持向量机

决策树

逻辑回归

人工神经网络

算法篇

六、如何求解模型

6.1 解析方法

多元函数极值定理

6.2 数值方法

批训练方法

在线训练方法

工程篇

七、点数成金 – Bigger Than Bigger

7.1数据挖掘的工程化

7.2 第yi代机器学习系统 - Map-Reduce框架

Hadoop

Spark

7.3 第二代机器学习系统 - Data Flow框架

TensorFlow

Apache Beam