【10.28-29】深度学习的数据探索与准备

第1课：NumPy

介绍数组、轴、向量操作、多维数组、如何沿着某个轴应用一个函数；现实世界一些有趣的例子，比如：金融回报计算（Python带循环的方式和NumPy不带循环的方式对比表明NumPy是多么的简单等）。

第2课： Pandas

介绍Pandas对象、数据索引和选择、Pandas的数据操作、处理缺失数据、合并数据集：Concat和扩展、聚类和分组、时间序列处理、金融应用示例等。

第3课：Matplotlib

包括基本作图类型：线图、条形图、散点图、做图图像、人生游戏示例，金融的随机漫步模拟、Iris数据集可视化等。

第4课： 缺失值处理与异常值检测

包括删除方法、简单的插补方法、基于模式的方法，了解你的数据，实操案例包括处理缺失数据点，并观察它怎样影响模型性能。异常值检测包括极值分析、接近法、投影法等。

第5课：数据探索的综合案例

包括建模概述、数据导论、基本的数据清洗、更多的数据探索、特征工程等。