課程名稱
數(shù)據(jù)分析》
升級版
梁斌
資深算法工程師
查爾斯特大學（
）計算機博士，從事機器學習、計算機視覺及模式識別等相關(guān)方向的研究，在計算機視覺等國際會議及期刊發(fā)表
余篇學術(shù)論文。現(xiàn)就職于澳大利亞某科學研究機構(gòu)
，負責算法改進及其產(chǎn)品化、數(shù)據(jù)分析處理及可視化。
課程簡介：
近兩年來，數(shù)據(jù)分析師的崗位需求非常大，
的崗位技能需要掌握
作為數(shù)據(jù)分析工具，
語言的易學性、快速開發(fā)，擁有豐富強大的擴展庫和成熟的框架等特性很好地滿足了數(shù)據(jù)分析師的職業(yè)技能要求。
本課程以
案例驅(qū)動
的方式講解如何利用
完成數(shù)據(jù)獲取、處理、數(shù)據(jù)分析及可視化方面常用的數(shù)據(jù)分析方法與技巧。每章節(jié)中都會引入
或工業(yè)項目數(shù)據(jù)集
，通過這些實際案例讓學員輕松掌握使用
分析來自不同領(lǐng)域的數(shù)據(jù)，
隨課代碼
及案例代碼均會提供給學員自行實操。
升級內(nèi)容：
據(jù)
的調(diào)查報告顯示：企業(yè)中的大部分數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)每年都按指數(shù)增長
。因此，本期升級課程在《
數(shù)據(jù)分析》第一期的基礎(chǔ)上，主要新增了非結(jié)構(gòu)化數(shù)據(jù)分析以及常用的分析建模方法，從而幫助學員及時更新并掌握最新的數(shù)據(jù)分析知識。
具體新增內(nèi)容如下：
使用最新版本的
作為分析工具
新增數(shù)據(jù)分析常用的建模知識
新增使用
處理和分析時間序列數(shù)據(jù)
新增使用
進行文本數(shù)據(jù)分析
新增使用
進行圖像數(shù)據(jù)處理及分析
升級
全部隨課項目
，并提供更詳細的分析步驟
面向人群：
想了解和學習典型的數(shù)據(jù)分析流程和實踐方法的學習者
想接觸和
學習非
結(jié)構(gòu)化數(shù)據(jù)
比如：文本、圖像等
分析的學習者
想學習數(shù)據(jù)分析中常用建模知識的相關(guān)從業(yè)人員
尚不會使用
的數(shù)據(jù)分析師從業(yè)者
想轉(zhuǎn)行從事數(shù)據(jù)分析
師行業(yè)
的學習者
想使用
實現(xiàn)機器學習的工程師
學習收益：
通過本課程的學習，學員將會收獲：
熟悉數(shù)據(jù)分析的流程，包括數(shù)據(jù)采集、處理、可視化等
掌握
語言作為數(shù)據(jù)分析工具，從而有能力駕馭不同領(lǐng)域數(shù)據(jù)分析實踐
掌握非結(jié)構(gòu)化數(shù)據(jù)的處理與分析
快速積累多個業(yè)務(wù)領(lǐng)域的數(shù)據(jù)分析項目經(jīng)驗
掌握使用
實現(xiàn)基于機器學習的數(shù)據(jù)分析和預測
掌握數(shù)據(jù)分析中常用的建模知識
開課時間：
年
月
日
學習方式：
在線直播，
共
次課，每次
小時
每周
次（
周六、日，下午
直播后提供錄制回放視頻，可在線反復觀看，有效期
年
課程大綱：
第一課
工作環(huán)境準備及數(shù)據(jù)分析建模理論基礎(chǔ)
課時
課程介紹
語言基礎(chǔ)及
新特性
使用
和
進行科學計算
數(shù)據(jù)分析建模理論基礎(chǔ)
數(shù)據(jù)分析建模過程
常用的數(shù)據(jù)分析建模工具
實戰(zhàn)案例：科技工作者心理健康數(shù)據(jù)分析
第二課
數(shù)據(jù)采集與操作
課時
本地數(shù)據(jù)的采集與操作
常用格式的本地數(shù)據(jù)讀寫
的數(shù)據(jù)庫基本操作
網(wǎng)絡(luò)數(shù)據(jù)的獲取與表示
解析網(wǎng)頁
爬蟲框架
基礎(chǔ)
回歸分析
回歸
實戰(zhàn)案例：獲取國內(nèi)城市空氣質(zhì)量指數(shù)數(shù)據(jù)
第三課
數(shù)據(jù)分析工具
課時
的數(shù)據(jù)結(jié)構(gòu)
的數(shù)據(jù)操作
數(shù)據(jù)的導入、導出
數(shù)據(jù)的過濾篩選
索引及多重索引
統(tǒng)計計算和描述
數(shù)據(jù)的分組與聚合
數(shù)據(jù)清洗、合并、轉(zhuǎn)化和重構(gòu)
聚類模型
實戰(zhàn)案例：全球食品數(shù)據(jù)分析
第四課
數(shù)據(jù)可視化
課時
繪圖
繪圖
繪圖
交互式數(shù)據(jù)可視化
繪圖
實戰(zhàn)案例：世界高峰數(shù)據(jù)可視化
第五課
時間序列數(shù)據(jù)分析
課時
的日期和時間處理及操作
的時間序列數(shù)據(jù)處理及操作
時間數(shù)據(jù)重采樣
時間序列數(shù)據(jù)統(tǒng)計
滑動窗口
時序模型
實戰(zhàn)案例：股票數(shù)據(jù)分析
第六課
文本數(shù)據(jù)分析
課時
文本分析工具
分詞
情感分析
文本分類
分類與預測模型
樸素貝葉斯
實戰(zhàn)案例：
微博情感
分析
第七課
圖像數(shù)據(jù)處理及分析
課時
基本的圖像操作和處理
常用的圖像特征描述
分類與預測模型
人工神經(jīng)網(wǎng)絡(luò)
實戰(zhàn)案例：電影口碑與海報圖像的相關(guān)性分析
第八課
機器學習基礎(chǔ)及機器學習庫
課時
機器學習基礎(chǔ)
機器學習庫
特征降維
主成分分析
實戰(zhàn)案例：識別
用戶性別
第九課
項目實戰(zhàn)：通過移動設(shè)備行為數(shù)據(jù)預測使用者的性別和年齡
課時
交叉驗證及參數(shù)調(diào)整
特征選擇
項目實操
課程總結(jié)
