Python作為一門面向多對象的編程語言，簡潔的語法使得編寫數(shù)十行代碼即可實現(xiàn)各種數(shù)據(jù)分析功能。在研究海量數(shù)據(jù)時使用Python更加簡單且效率高的處理分析數(shù)據(jù)。隨著數(shù)據(jù)時代的到來，越來越多的學(xué)校開設(shè)Python課程，除了學(xué)生，老師也開始更加精益的要求提高自己的教學(xué)水平和科研水平。
2023年1月31日-2月2日，由北京友萬信息科技有限公司主辦，佛山科學(xué)技術(shù)學(xué)院承辦的，為期三天的“Python數(shù)據(jù)分析定制內(nèi)訓(xùn)課程”就是為此而來。本次課程受環(huán)境因素影響依舊采用線上直播的方式進行。雖然還在寒假期間，佛山科學(xué)技術(shù)學(xué)院老師們的學(xué)習熱情依舊高漲，除了相關(guān)課程的授課老師進行進修，還有許多其他老師一同學(xué)習。此次培訓(xùn)為佛山科學(xué)技術(shù)學(xué)院內(nèi)部定制的高級培訓(xùn)課程，共有三十余人參加，專屬定制課程內(nèi)容和效果受到了參培人員的一致好評。
參培學(xué)員好評反饋
本次課程由北京友萬信息科技有限公司簽約講師：袁銘老師主講，全面介紹了使用Python進行數(shù)據(jù)分析所必需的各項知識。
包括數(shù)據(jù)分析的基本流程、Python數(shù)據(jù)分析環(huán)境搭建與Python編程基礎(chǔ)、數(shù)據(jù)分析與統(tǒng)計分析、回歸分析、分類與聚類算法、時間序列分析以及機器學(xué)習前沿專題等。
本課程所有教學(xué)模塊均有實戰(zhàn)項目以及高度可復(fù)用的源代碼配套，并且能夠與相關(guān)課程做到有機結(jié)合。通過本課程學(xué)習，學(xué)員能夠掌握數(shù)據(jù)分析、數(shù)據(jù)挖掘的基本過程以及相關(guān)核心技術(shù)，初步具有數(shù)據(jù)科學(xué)的思維方式，能夠從數(shù)據(jù)分析的角度對社會經(jīng)濟現(xiàn)象進行研究與解釋。
本課程的三大特色：
第一，貼近實戰(zhàn)的教學(xué)模塊安排。
本課程將從主講人實際參與企業(yè)級數(shù)據(jù)挖掘的經(jīng)驗出發(fā)，從講解 Python 環(huán)境搭建、Python 編程基礎(chǔ)開始，逐漸過渡到結(jié)合實際案例的數(shù)據(jù)探索與分析。在具有一定積累后，將全面介紹回歸、分類、聚類、推薦系統(tǒng)等統(tǒng)計建模與數(shù)據(jù)挖掘工具。課程最后將對一些數(shù)據(jù)科學(xué)領(lǐng)域的前沿例如集成學(xué)習、深度學(xué)習等進行介紹。
第二，平緩的學(xué)習曲線。
課程整體以及課程的每一個教學(xué)模塊均遵循從易到難的教學(xué)規(guī)律，并設(shè)置大量“所見即所得”的課堂練習，使參與者能夠從學(xué)習過程中產(chǎn)生獲得感。特別地，主講人將從自身教學(xué)經(jīng)驗出發(fā)，化解學(xué)員學(xué)習過程中的難點與“痛點”，保持學(xué)習熱情。
第三，高度可復(fù)用的代碼模塊。
本課程提供的教學(xué)代碼均具有高度可復(fù)用性，經(jīng)過適度修改可以用于絕大部分數(shù)據(jù)分析與數(shù)據(jù)挖掘的實際工作與教學(xué)活動。
第一天袁老師先分享了數(shù)據(jù)分析概念，介紹了數(shù)據(jù)思維，現(xiàn)在社會的數(shù)據(jù)分析所需要的主流軟件。接下來開始帶大家了解Python。先介紹了Python的6個基本模塊：Python編程環(huán)境搭建、功能模塊安裝、Python控制語句、Python內(nèi)置數(shù)據(jù)結(jié)構(gòu)、Python的函數(shù)與類、Numpy簡介。讓聽課學(xué)員能夠在最開始就明確Python的基本組成，為后續(xù)課程打下基礎(chǔ)。
模塊內(nèi)容簡介
介紹完P(guān)ython的基礎(chǔ)知識后，接下來講解第三部分：基本的數(shù)據(jù)分析，主要分為Pandas簡介；數(shù)據(jù)導(dǎo)入；數(shù)據(jù)篩選與數(shù)據(jù)集成；缺失值處理。
講解這部分的時候，袁老師講述了一些他的個人使用竅門。同時表示涉及的代碼，最好是自己手動敲一遍，增加代碼熟悉度。
基本的數(shù)據(jù)分析
第四部分講解了基本的統(tǒng)計分析。這部分內(nèi)容可以和統(tǒng)計學(xué)原理，完美結(jié)合。包括數(shù)據(jù)的頻數(shù)分析；集中趨勢分析；離散程度分析；分布以及一些基本的統(tǒng)計圖形。
基本的統(tǒng)計分析
第五部分講解了基本的時間序列分析。包含頻率轉(zhuǎn)換；環(huán)比、同比與定基；環(huán)比、同比與定基增長率；時間序列的預(yù)測；Holt-winters方法；ARIMA模型；其他的時間序列預(yù)測包。
基本的時間序列分析
第六部分講解了回歸分析。包括Statsmodel包中的回歸分析；多元線性回歸模型；Sklearn中的回歸分析；回歸模型的預(yù)測；回歸模型的評價。
回歸分析
第七部分講解了統(tǒng)計分類。典型的分類算法有：logistic回歸、決策樹、樸素貝葉斯、kNN等。
統(tǒng)計分類
第八部分講解了聚類算法與推薦算法。包括：聚類分析；聚類算法；Kmeans算法；推薦算法等等。
聚類算法
推薦算法
第九部分講解了集成學(xué)習。包含集成學(xué)習的含義；集成學(xué)習的分類；學(xué)習器的方差、偏差和誤差；隨機森林、AdaBoost、GBDT等內(nèi)容。
集成學(xué)習
第十部分講解的是神經(jīng)網(wǎng)絡(luò)模型。包括人腦與神經(jīng)網(wǎng)絡(luò)；感知器；人工神經(jīng)網(wǎng)絡(luò)；激活函數(shù)；神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練；人工神經(jīng)網(wǎng)絡(luò)的實現(xiàn)。
第十一部分增添了文本挖掘的知識拓展：文本挖掘、文本分類等知識。
三天的課程大綱如下：
| 第一天 | 第二天 | 第三天 |
模塊 1：數(shù)據(jù)分析概述 1.1 數(shù)據(jù)思維 1.2 數(shù)據(jù)分析流程 1.3 數(shù)據(jù)分析軟件平臺簡介 1.4 Python 語言簡介 模塊 2：Python 編程基礎(chǔ) 2.1 Python 編程環(huán)境搭建 2.2 功能模型介紹與安裝 2.3 Python 控制語句 2.4 Python 內(nèi)置數(shù)據(jù)結(jié)構(gòu) 2.5 Python 的函數(shù)與類 2.6 Numpy 簡介 模塊 3：基本的數(shù)據(jù)分析 3.1 Pandas 概述 3.2 數(shù)據(jù)導(dǎo)入 3.3 數(shù)據(jù)篩選與數(shù)據(jù)集成 3.4 數(shù)據(jù)清洗 | 模塊 4：統(tǒng)計分析 4.1 基本的描述性統(tǒng)計分析 4.2 分組統(tǒng)計與數(shù)據(jù)透視 4.3 多元統(tǒng)計分析 4.4 數(shù)據(jù)可視化基礎(chǔ) 4.5 假設(shè)檢驗 模塊 5：回歸分析 5.1 回歸與回歸模型 5.2 回歸模型的評價與預(yù)測 5.3 多元回歸模型 5.4 如何處理定性數(shù)據(jù) 模塊 6：統(tǒng)計分類 6.1 分類算法概述 6.2 KNN 算法 6.3 Logistics 模型 6.4 決策樹模型 6.5 分類模型評價 | 模塊 7：聚類算法與推薦算法 7.1 聚類算法概述 7.2 Kmeans 算法 7.3 聚類模型性能評價 7.4 推薦算法 模塊 8：時間序列分析 8.1 時間序列數(shù)據(jù)的基本處理 8.2 環(huán)比、同比、定基增長率 8.3 時間序列分解 8.4 時間序列預(yù)測 模塊 9：前沿專題與教學(xué)經(jīng)驗分享 9.1 集成學(xué)習 9.2 神經(jīng)網(wǎng)絡(luò)模型 9.3 教學(xué)經(jīng)驗分享 模塊10：文本挖掘 |
北京友萬信息科技有限公司作為中國大陸領(lǐng)先的教育和科學(xué)軟件分銷商，已在中國300多所高校建立了可靠的分銷渠道，擁有最成功的教學(xué)資源和數(shù)據(jù)管理專家。友萬科技將在未來努力幫助國內(nèi)高校建立科學(xué)領(lǐng)先的教育體系，熟練運用基本功學(xué)習高效的科研方法，并能夠有效地推廣科學(xué)軟件，同時向中國用戶提供高質(zhì)量的客戶支持和培訓(xùn)服務(wù)。合作熱線: 010-56548231
