联系方式

咨询热线：400-998-6158

常见问题

学习资讯

常见问题

天津Python数据挖掘和分析培训哪家好

课程介绍：

本课程介绍了数据挖掘的基本原理，从数据挖掘基础知识开始，讲解数据挖掘建模工具和使用Python语言进使用工具；学习数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理。

课程代码：2233

培训目标：

了解一个完整的数据分析过程，从数据采集到挖掘，清洗，分析和输出的整个过程。

学习Python数据分析方法和工具的使用。

学习各种数据分析的算法和框架。

学习各种建模方式和工具的使用

基于案例学习客户价值分析等数据挖掘应用场景

课程大纲：

Python基础和数据科学基础

1. Python语言和开发环境简介

2. 数据科学概述

3. 数据分析流程和步骤

4. 数据获取路径

5. 法律法规

6. Python语言和数据科学

7. 理解基本的字符串函数

8. 选择合适的数据结构

9. 通过列表推导式理解列表

10. 使用计数器，使用文件和网络

11. 使用正则表达式实现模式匹配

12. globbing文件名与其他字符串

13. Pickling和Unpickling数据

14. 文本数据的处理

15. 数据库数据的处理

16. 通用函数和各类聚合函数

Python数据分析基础

1. 搭建Python开发平台

2. 所要考虑的问题

3. 基础平台的搭建

4. Python使用入门

5. 运行方式

6. 基本命令

7. 数据结构

8. 库的导入与添加

9. Python数据分析工具

10. Numpy

11. Scipy

12. Matplotlib

13. Pandas

14. StatsModels

15. Scikit-Learn

16. Keras

17. Gensim

数据探索

1. 数据质量分析

2. 缺失值分析

3. 异常值分析

4. 一致性分析

5. 数据特征分析

6. 分布分析

7. 对比分析

8. 统计量分析

9. 周期性分析

10. 贡献度分析

11. 相关性分析

12. Python主要数据探索函数

13. 基本统计特征函数

14. 拓展统计特征函数

15. 统计作图函数

数据预处理

1. 数据清洗60

2. 缺失值处理60

3. 异常值处理64

4. 数据集成64

5. 实体识别64

6. 冗余属性识别65

7. 数据变换65

8. 简单函数变换65

9. 规范化66

10. 连续属性离散化68

11. 属性构造70

12. 小波变换71

13. 数据规约74

14. 属性规约74

15. 数值规约77

16. Python主要数据预处理函数80

数据挖掘建模

1. 分类与预测83

2. 实现过程83

3. 常用的分类与预测算法84

4. 回归分析85

5. 决策树89

6. 人工神经网络95

7. 5.1.6 分类与预测算法评价100

8. 5.1.7 Python分类预测模型特点103

9. 5.2 聚类分析104

10. 5.2.1 常用聚类分析算法104

11. 5.2.2 K-Means聚类算法105

12. 5.2.3 聚类分析算法评价111

13. 5.2.4 Python主要聚类分析算法111

14. 5.3 关联规则113

15. 5.3.1 常用关联规则算法114

16. 5.3.2 Apriori算法114

17. 5.4 时序模式119

18. 5.4.1 时间序列算法120

19. 5.4.2 时间序列的预处理120

20. 5.4.3 平稳时间序列分析122

21. 5.4.4 非平稳时间序列分析124

22. 5.4.5 Python主要时序模式算法132

23. 5.5 离群点检测134

24. 5.5.1 离群点检测方法135

25. 5.5.2 基于模型的离群点检测方法136

26. 5.5.3 基于聚类的离群点检测方法138

数据挖掘实战项目一—客户价值分析

1. 背景与挖掘目标164

2. 7.2 分析方法与过程166

3. 7.2.1 数据抽取168

4. 7.2.2 数据探索分析168

5. 7.2.3 数据预处理169

6. 7.2.4 模型构建173

数据挖掘实战项目二--电子商务网站用户行为分析及服务推荐

1. 背景与挖掘目标238

2. 12.2 分析方法与过程240

3. 12.2.1 数据抽取242

4. 12.2.2 数据探索分析244

5. 12.2.3 数据预处理251

6. 12.2.4 模型构建256

协议分析

1. Web端协议分析

2. 网页登录POST分析

3. 隐藏表单分析

4. 加密数据分析

5. 验证码问题

6. IP代理

7. Cookie登录

8. 传统验证码识别

9. 人工打码

10. 滑动验证码

11. PC客户端抓包分析

12. HTTP Analyzer简介

13. 虾米音乐PC端API实战分析

14. App抓包分析

15. Wireshark简介

16. 酷我听书App端API实战分析

17. API爬虫：爬取mp3资源信息

Scrapy爬虫框架

1. Scrapy爬虫架构

2. 安装Scrapy

3. 创建cnblogs项目

4. 创建爬虫模块

5. 定义Item

6. 翻页功能

7. 构建Item Pipeline

8. 内置数据存储

9. 启动爬虫

10. 强化爬虫

11. 调试方法

12. 异常

13. 控制运行状态

14. Item Loader

15. Item与Item Loader

16. 输入与输出处理器

17. Item Loader Context

18. 请求与响应

19. 下载器中间件

20. Spider中间件

21. 扩展

22. 突破反爬虫

增量式与分布式爬虫

1. 去重方案

2. BloomFilter算法

3. BloomFilter原理

4. Python实现BloomFilter

5. Scrapy和BloomFilter

6. Redis基础

7. Redis的安装和配置

8. Redis数据类型与操作

9. Python和Redis

10. Python操作Redis

11. Scrapy集成Redis

12. MongoDB集群

PySpider爬虫框架

1. PySpider与Scrapy

2. 选择器

3. PyQuery的用法

4. 解析数据

5. Ajax和HTTP请求

6. Ajax爬取

7. HTTP请求实现

8. PySpider和PhantomJS

9. 使用PhantomJS

10. 运行JavaScript

11. 数据存储

12. PySpider爬虫架构

知识延伸

以下书籍介绍来自豆瓣内容简介 · · · · · ·Google和YouTube由于Python的高可适应性、易于维护以及适合于开发而采用它。如果你想要编写高质量、gao效的并且易于与其他语言和工具集成的代码，《Python学习手册：第4 版》将帮助你使用Python实现这一点，不管你是编程新手还是Python初学者。本书是易于掌握和自学的教程，根据作者PythonMark Lutz的培训课程编写而成。《Python学习手册：第4版》每一章都包含关于Python语言的关键内容的独立的一课，并且包含了一个独特的“练习题”部分，其中带有实际的练习和测试，以便你可以练习新的技能并随着学习而测试自己的理解。你会发现众多带有注释的示例以及图表，它们将帮助你开始学习Python 3.0。 《Python学习手册：第4版》包括以下内容：

学习Python的主要内建对象类型：数字、列表和字典。
使用Python语句创建和处理对象，并且学习Python的通用语法模型。
使用函数构造和重用代码，函数是Python的基本过程工具。
学习Python模块：封装语句、函数以及其他工具，从而可以组织成较大的组件。
Python的面向对象编程工具，用于组织程序代码。
学习异常处理模型，以及用于编写较大程序的开发工具。
了解包括装饰器、描述器、元类和Unicode处理等*Python工具。

作者简介 · · · · · ·

作为全球Python培训界的领军人物，《Python学习手册：第4版》作者Mark Lutz是Python较畅销书籍的作者，也是Python社区的先驱。

Mark 是O'Reilly出版的《Programming Python》和《Python Pocket Reference》的作者，这两本书于2009年都已经出版了第3版。Mark自1992年开始接触Python，1995年开始撰写有关Python的书籍，从1997年开始教授Python课程。截止到2009年，他已经开办了225个Python短期培训课程，教授了大约3500名学习者，销售了大约25万册有关Python的书籍。许多书被翻译成十多种语言。

此外，Mark拥有威斯康星大学计算机科学学士和硕士学位，在过去的25年中，他主要从事编译器、编程工具、脚本程序以及各种客户端/服务器系统方面的工作。你也可以通过访问http://www.rmi.net/~lutz与他取得联系。

补充说明 · · · · · ·

本站所有资源版权均属于原作者所有，这里所提供资源均只能用于参考学习用，请勿直接商用。如需删除，请联系 kefu@yanxishe.com

AI 研习社已经和阿里大文娱、旷视、搜狗搜索、小米等知名公司达成联系，帮助大家更好地求职找工作，一键投递简历至 HR 后台，准备了一些内推渠道群。