Python是数据驱动的AI时代相当重要的一门编程语言，但是，目前大多数的Python课程都是从IT工程师的角度出发进行讲解，过多强调编程技巧，较少涉及统计分析中所需要关心的问题。本系列课程将基于统计学和数据分析需求出发，讲解如何基于Python完成数据获取、数据管理、数据挖掘等工作。

Part1：

玩转Pandas  1门课程  10小时

本课程将在实战中学习Pandas包，学员将学习独立使用Pandas包完成数据读入、数据清理、数据准备、图表呈现等工作。

Part2：

玩转统计分析 1门课程 10小时

围绕scipy.stats和statsmodels包的相关功能展开，从统计分析实战的角度出发详细介绍了如何在Python中完成数据描述、t检验、单因素方差分析、卡方检验、相关回归等统计分析操作。

Part3：

玩转统计模型  1门课程  19小时

系统学习各种统计/数据挖掘模型，并学习这些模型在sklearn和statsmodels中的实现。

Part 4：

零代码玩转网络爬虫！(2021版)  1门课程 10小时

在实战中学习如何对新浪、淘宝、微博等网站数据进行抓取，学员将学习如何独立设计相应的网络爬虫，抓取所需的页面数据，满足自身工作和研究中的几乎所有数据抓取需求。

Part 5：

Python数据挖掘  3门课程  29小时

玩转数据可视化：数据可视化工具matplotlib+seaborn的使用。

数据挖掘入门：从理论高度介绍数据挖掘方法体系。

玩转数据挖掘：数据挖掘完整流程在sklearn中的实现。

Part 6：

Python文本挖掘与深度学习  2门课程  22小时

玩转文本挖掘：文本挖掘（自然语言处理）在word2vec，gensim中的实现。

深度学习： CNN、RNN、LSTM等深度学习模型Keras+Tensorflow环境下的实现。

已出版多本软件教材、数据分析与挖掘专著，现为上海吴鲲企业管理咨询有限公司合伙人。

曾在复旦大学公共卫生学院任教数载，其教学有讲解深入浅出、突出重点，简明易懂等特点。

拥有20+年数据分析及统计软件商业培训经验，精通业内广泛使用的SAS、SPSS、Modeler、R、Tableau、Python等数据分析/数据挖掘工具，曾作为SPSS官方培训师，从2001年起一手协助SPSS中国建立其培训体系。

主编SPSS、SAS等统计软件教材10+本，其SPSS教材被教育部评为2003-3004年度教育部研究生推荐教材，后续版本被国内外三百多所高校选用为本科生/研究生教材。

1、24小时内答疑 ；

2、支持手机、电脑网页、平板观看课程 ；

3、专属资料下载；

第1章 工具准备

第2章 数据的导入与导出

第3章 变量列的基本操作

第4章 胖哒黑魔法：索引

第5章 案例行的基本操作

第6章 变量变换

第7章 文件级别的数据管理

第8章 数据清洗

第9章 处理日期时间变量

第10章 数据的图形展示

第11章 数据特征的分析探索

第12章 北京PM2.5数据分析

第13章 如何优化Pandas

第1章 变量的统计描述

第2章 连续变量的比较：t检验

第3章 检验方法适用条件的考察

第4章 多组均数的比较：单因素方差分析

第5章 有序分类变量的比较：非参数方法

第6章 无序分类变量的比较：卡方检验

第7章 数据的关联性分析

第8章 线性回归模型入门

第9章 样本量的计算

第1章 统计模型课程概述

第2章 方差分析模型

第3章 线性回归模型

第4章 线性回归的衍生模型

第5章 logitsic回归

第6章 决策树模型

第7章 神经网络

第8章 支持向量机

第9章 主成分分析与因子分析

第10章 聚类分析

第11章 最近邻分析

第12章 生存分析

第13章 关联分析

第1章 不写代码照样玩转网络爬虫

第2章 开蒙：先拿某浪新闻开刀

第3章 登堂：双11之后伸向某宝

第4章 入室：微博，也可以

第5章 论剑：我们和专业爬虫工程师相比还差什么？

第6章 彩蛋：如果你需要高速抓取静态页面网站

第1章 准备软件环境

第2章 matplotlib绘图操作入门

第3章 数据可视化理论入门

第4章 单变量信息的可视化

第5章 复杂条图，线图与面积图

第6章 散点图

第7章 在图形中纳入更多变量信息

第8章 子图与图形网格

第9章 色彩搭配

第10章 统计图的进一步美化与修饰

第11章 特殊统计图的绘制

第12章 自由绘图

第1章 什么是数据挖掘

第2章 数据挖掘方法论：CRISP-DM

第3章 数据挖掘方法体系入门

第4章 数据挖掘方法体系介绍

第5章 文本挖掘入门

第6章 数据挖掘项目的综合评估

第7章 数据挖掘中的软件工具

第1章 Python机器学习/数据挖掘概述

第2章 数据的预处理

第3章 特征选择与信息浓缩

第4章 回归类模型的训练

第5章 类别预测模型的训练

第6章 聚类模型的训练

第7章 评估模型效果

第8章 数据的拆分

第9章 模型参数优化

第10章 模型集成

第1章 文本挖掘概述

第2章 磨刀不误砍柴工

第3章 分词

第4章 词云展示

第5章 文本信息的向量化

第6章 关键词提取

第7章 抽取文档主题

第8章 文档相似度

第9章 文本分类

第10章 情感分析

第11章 自动摘要

第12章 文本自动写作

第1章 深度学习概述

第2章 准备软件环境

第3章 神经网络模型入门

第4章 Keras操作入门

第5章 卷积神经网络

第6章 图像预处理

第7章 迁移学习

第8章 循环神经网络

第9章 长短期记忆网络

1、本课程为在线视频课程，订阅前请详细阅读详情介绍及目录，一经出售，不支持退换。

2、未经授权，严禁任何形式的翻录、转载。

3、课程支持手机、电脑、平板在线观看。