全国高校大数据分析与机器学习实战（Python）师资研修班

基础篇（报名成功后即可开始学习）

时间

课程内容

学习平台

正式培训前

Python编程基础

1准备工作

2列表操作

3程序流程控制语句

4字符串操作

4.1字符串及其索引&切片

4.2字符串的常见方法

4.3字典的创建及索引

4.4字典常用操作

4.5字典推导式

5Python文件读取操作

5.1Python读取文件

5.2练习3：统计小说中的单词频次

6函数

6.1Python函数自定义

6.2练习4：自定义求序列偶数个数的函数

7面向对象与模块

7.1Python方法与函数对比介绍

7.2Python面向对象示例

7.3Python模块使用

7.4第三方库的安装与调用

8注意事项

8.1Python工作路径说明

8.2模块命名及存放路径的注意事项

8.3结语

泰迪云课堂

正式培训前

NumPy数值计算基础

1 Python数据分析概述

1.1 认识数据分析

1.2 熟悉Python数据分析的工具

1.3 安装anaconda与启动Jupyter Notebook

1.4 掌握Jupyter Notebook常用功能

2 NumPy数值计算基础

2.1 掌握NumPy数组对象

2.1.1NumPy简介

2.1.2 数组创建及基础属性

2.1.3 初识数组的特点

2.1.4 创建常用数组

2.1.5 数组数据类型

2.1.6 生成随机数

2.1.7 一维数组的索引

2.1.8 逻辑型索引

2.1.9 多维数组的索引

2.1.10 求解距离矩阵

2.1.11 变化数组shape

2.2 掌握NumPy矩阵与通用函数

2.2.1 NumPy矩阵介绍

2.2.2 NumPy通用函数介绍

2.2.3 通用函数的广播机制

2.3 利用NumPy进行统计分析

2.3.1 NumPy读写二进制文件

2.3.2 NumPy读写txt文件

2.3.3 利用NumPy对数据进行简单统计分析

泰迪云课堂

核心课程篇

时间

课程内容

学习平台

专题讲座

2022年

01月14日

18:30-22:00

主讲：方海涛

主题内容：随机最优控制与人工智能

主讲：郝志峰

讲座主题：大数据视角下数字孪生与元宇宙的思考

泰迪云课堂

第一课 Python数据分析与应用

2022年

01月14日

18:30-22:00

1 Pandas统计分析基础

1.1 Pandas简介

1.2 读写不同数据源的数据

1.2.1 Pandas读取文本数据

1.2.2 存储数据框

1.2.3 Pandas读取excel文件

1.2.4 将数据框存储为excel文件

1.3 数据框与数据框元素

1.3.1 构建数据框

1.3.2 查看数据框的常用属性

1.3.3 按行列顺序访问数据框中的元素

1.3.4 按行列名称访问数据框中的元素

1.3.5 修改数据框中的元素

1.3.6 删除数据框中的元素

1.3.7 描述分析数据框中的元素

1.4 转换与处理时间序列数据

1.4.1 转换成时间类型数据

1.4.2 时间类型数据的常用操作

1.5 使用分组聚合进行组内计算

1.5.1 groupby分组操作

1.5.2 agg聚合操作

1.6 创建透视表与交叉表

1.6.1 生成透视表

1.6.2 生成交叉表

2 使用Pandas进行数据预处理

2.1 合并数据

2.1.1 表堆叠

2.1.2 主键合并

2.1.3 重叠合并

2.2 清洗数据

2.2.1 检测与处理重复值

2.2.2 检测与处理缺失值

2.2.3 检测与处理异常值

2.3 标准化数据

2.4 转换数据

2.4.1 哑变量处理

2.4.2 离散化连续型数据

泰迪云课堂

操作演练

个人PC

在线答疑

微信群

第二课 Python数据可视化

2022年

01月15日

18:30-22:00

1.1 Matplotlib绘制流程说明

1.2 添加文本和修改绘图风格

1.3 rc参数

1.4 散点图

1.5 折线图

1.6 直方图和条形图

1.7 饼图

1.8 箱线图

1.9 人口特征间分布

1.10 人口各个特征分布

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

拓展自学篇

自行安排

2.1 seaborn基础介绍

2.2 seaborn简单绘图

2.3 seaborn绘图风格

2.4 调色板1

2.5 调色板2

2.6 关系图

2.7分类图

2.8分布图

2.9回归图

2.10矩阵图

2.11网格图

3.1 Pyecharts基础介绍

3.2 Pyecharts绘制日历图

3.3 Pyecharts绘制漏斗图

3.4Pyecharts绘制仪表盘

3.5Pyecharts绘制水球图

3.6Pyecharts绘制关系图

3.7Pyecharts绘制直角坐标系图表

3.8Pyecharts绘制饼图

3.9Pyecharts绘制雷达图

3.10Pyecharts绘制词云图

3.11Pyecharts绘制柱状图

3.12Pyecharts绘制树形图

3.13Pyecharts绘制地理图表

泰迪云课堂

第三课 Python机器学习实战

2022年

01月16日

18:30-22:00

1.1引言

1.2基本术语

1.3假设空间&归纳偏好

2.1经验误差与过拟合

2.2评估方法

2.3性能度量

2.4性能度量Python实现

3.1线性回归基本形式

3.2线性回归模型的Python实现

3.3波士顿房价预测的Python实现

3.4逻辑回归介绍

3.5研究生入学录取预测的Python实现

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

2022年

01月18日

18:30-22:00

4.1从女生相亲到决策树

4.2明天适合打球吗

4.3决策树拆分属性选择

4.4决策树算法家族

4.5泰坦尼克号生还者预测—数据预处理

4.6泰坦尼克号生还者预测—模型构建与预测

5.1聚类分析概述

5.2相似性度量

5.3K-Means聚类分析算法介绍

5.4利用K-Means算法对鸢尾花进行聚类

5.5聚类结果的性能度量

5.6调用scikit-learn实现聚类分析

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

2022年

01月19日

18:30-22:00

6.1单个神经元介绍

6.2经典网络结构介绍

6.3神经网络工作流程演示

6.4如何修正网络参数-梯度下降法

6.5网络工作原理推导

6.6网络搭建准备

6.7样本从输入层到隐层传输的Python实现

6.8网络输出的Python实现

6.9单样本网络训练的Python实现

6.10全样本网络训练的Python实现

6.11网络性能评价

6.12调用scikit-learn实现神经网络算法

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

拓展自学篇

自行安排

7支持向量机

7.1非洲人还是北美人

7.2为什么有“朴素”二字

7.3拉普拉斯修正

7.4用高斯朴素贝叶斯算法解决鸢尾花分类问题

8 集成学习

8.1 集成学习基本概念

8.2 并行集成算法-Bagging&RandomForest

8.3 串行集成算法-Boosting算法流程

8.4 串行集成算法-Boosting代码实现

8.5 Stacking算法流程

8.6 Stacking代码实现

泰迪云课堂

第四课 实战案例：运营商流失用户分析与预测

2022年

01月20日

18:30-22:00

1.1背景与目标

1.2案例思路分析

2.1数据探索

2.2数据去重及删除无关属性

2.3用户分组及标签构建

2.4提取用户基本信息和在网时长

2.5处理合约是否有效

2.6处理合约计划到期时间

2.7其余变量处理

2.8特征拼接及缺失值处理

2.9数据保存

3.1特征选择介绍

3.2皮尔逊特征选择

3.3处理样本类别不均衡问题

4.1模型性能评估介绍

4.2模型构建及性能评估

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第五课 实战案例：信用评分卡建模分析

2022年

01月21日

18:30-22:00

1.背景思路

1.1 金融风控背景说明

1.2 案例分析流程说明

1.3 案例思路过程说明

2.基于逻辑回归的贷款违约预测分析

2.1 数据读取与分析

2.2 数据预处理

2.2.1 缺失值处理

2.2.2 重复值处理

2.2.3 异常值处理

2.3 数据探索性分析

2.3.1 变量分布特征探索分析

2.3.2 各个变量与是否违约的数据探索分析

2.4 特征选择

2.5 建模分析

2.5.1 划分数据集

2.5.2 建立逻辑回归模型

2.5.3 模型评估分析

3.基于WOE信用评分的逻辑回归模型建立信用评分卡

3.1 特征选择

3.1.1 分箱处理

3.1.2 相关分析

3.1.3 IV筛选

3.2 建模分析

3.2.1 WOE转换

3.2.2 模型建立

3.2.3 模型检验

3.3 信用评分卡构建

4.总结

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第六课 实战案例：百货商场用户画像描绘与价值分析

2022年

01月22日

18:30-22:00

1.1 背景与分析目标

2.1 会员信息表处理

2.2 销售流水表处理

3.1 会员年龄分析

3.2 不同年龄的消费能力

3.3 不同性别的消费情况

3.4 会员和非会员消费情况

3.5 商场会员年消费趋势

3.6 不同月份的消费趋势

3.7 每年每月的消费金额趋势

3.8 不同时刻的消费情况

4.1 用户画像介绍

4.2 会员基本信息标签

4.3 会员消费特征标签

4.4 会员商品偏好标签

4.5 生成用户画像

5.1 会员细分介绍

5.2 K-Means算法实现会员聚类

5.3 结果分析

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第七课 实战案例：天猫用户重复购买预测

2022年

01月23日

18:30-22:00

1.1 背景与挖掘目标

2.1 工程环境准备

2.2 缺失值处理和数据去重

2.3 数据分布探索

3.1 特征工程介绍

3.2 原始特征

3.3.1 用户相关特征：用户在平台的总交互次数

3.3.2 用户相关特征：用户最近一次购买距离第一次的时长

3.4.1 商家相关特征：商家被交互的数量

3.4.2 商家相关特征：商家的复购次数

3.5.1 用户和商家相关特征：用户在商家的交互次数

3.5.2 用户和商家相关特征：不同用户在不同商家购买率

3.6 离散型特征处理

4.1 建模前的数据处理

4.2 模型构建

4.3 模型训练和评估

4.4 模型应用

5 小结

泰迪云课堂

操作演练/作业

个人PC

在线答疑

微信群

第八课 在线考试

2022年

01月24日

19:00-21:00

高级机器学习工程师职业技术证书在线考试

泰迪云课堂