1、本課程面向高年級在校學生，以及有短期工作經驗，希望通過學習進入數據行業的人員。

2、使用Python作為數據分析和挖掘的語言和環境。

課程名稱：

《數據分析和數據挖掘》第一期

主講老師：

郭鵬程   小象學院簽約講師

課程大綱

第一課. “一天理解數據、數據分析和數據挖掘“。
基本概念：數據是什么；通過一個數據實例了解數據分析和數據挖掘的任務和過程；
理論知識點1：統計初步。（課時1-3）

第二課. “必先利其器”。
使用Python搭建初步的數據分析環境；數據結構；數據生成，載入和存儲，數據庫知識；
理論知識點2：概率和矩陣運算。（課時4-6）

第三課. “了解你的數據”。
數學建模：從實際業務到抽象模型的轉換，變量的提取；對數據質量進行初步檢驗；數據預處理：數據清洗，數據變換，異常值處理，粒度變換，維度變換，離散化等。（課時7-9）

第四課. “理解你的數據”。
數據分析初步：描述性分析；數據分析初步：研究變量之間的關系；數據分析初步：圖形和數據可視化，使用可視化進行探索式分析；再說數據質量：抽樣；完善Python環境。（課時10-12）

第五課. “深入理解你的數據”。
數據分析進階：基于假設檢驗的數據分析，相關、卡方、方差分析；對數據進行降維處理，PCA和SVD；
理論知識點3：假設檢驗，經典數據分析的框架。（課時13-15）

第六課. “解釋與預測”。
回歸分析--線性回歸，用線性回歸模型進行預測，實例-銷售量預測；數據分析進階：廣義線性回歸，當應變量的分布非正態分布時，實例-用戶訪問量的預測；
理論知識點4：模型選擇。（課時16-18）

第七課. “發現數據蘊含的新模式1”。
數據挖掘初步：定義數據點之間的距離；實例，如何根據興趣判斷兩個用戶的契合度；構造新變量；KNN；
理論知識點5：模式識別初步。（課時19-21）

第八課. “新模式：數據之間蘊含的關聯關系”。
事務型數據挖掘：挖掘頻繁項集-電影、購物、圖書數據，關聯分析-Apriori算法，相關分析。（課時22-24）

第九課. “使用數據輔助決策”。
分類分析：決策樹，案例-信用評級；樸素貝葉斯進行分類分析：案例-信用評級；貝葉斯信念網絡、支持向量機等其他分類方法；
理論知識點6：再說模型選擇（課時25-27）

第十課. “發現新模式2”。
聚類分析：基本概念、方法、和評價；基于劃分的方法，案例-尋找客戶類型；基于相關的方法，基于密度的方法；
理論知識點7：信息學初步（課時28-30）

第十一課. “不可二次踏入的河流”。
時間序列：金融、天氣等數據的分析和挖掘；
理論知識點8：時間序列分析（課時31-33）

第十二課. “一個大招放倒自己”。
數據分析和挖掘綜合案例（課時34-36）

聯系方式：

手機：15611440609

郵件：admin@epicabrazil.com

小象學院：http://epicabrazil.com