《Python實現(xiàn)大數(shù)據(jù)挖掘技術(shù)培訓(xùn)》課綱

Python實現(xiàn)大數(shù)據(jù)挖掘技術(shù)培訓(xùn)【課程目標】
Python已經(jīng)成為數(shù)據(jù)分析和數(shù)據(jù)挖掘的首選語言，作為除了Java、C/C++/C#外最受歡迎的語言。
本課程基于Python工具來實現(xiàn)大數(shù)據(jù)的數(shù)據(jù)分析和數(shù)據(jù)挖掘項目?；跇I(yè)務(wù)問題，在數(shù)據(jù)挖掘標準過程指導(dǎo)下，采用Python分析工具，實現(xiàn)數(shù)據(jù)挖掘項目的每一步操作，從數(shù)據(jù)預(yù)處理、數(shù)據(jù)建模、數(shù)據(jù)可視化，到最終數(shù)據(jù)挖掘結(jié)束，幫助學(xué)員掌握Python用于數(shù)據(jù)挖掘，提升學(xué)員的數(shù)據(jù)化運營及數(shù)據(jù)挖掘的能力。
通過本課程的學(xué)習(xí)，達到如下目的：
全面掌握Python語言以及其編程思想。
掌握常用擴展庫的使用，特別是數(shù)據(jù)挖掘相關(guān)庫的使用。
學(xué)會使用Python完成數(shù)據(jù)挖掘項目整個過程。
掌握利用Python實現(xiàn)可視化呈現(xiàn)。
掌握數(shù)據(jù)挖掘常見算法在Python中的實現(xiàn)。
【授課時間】
2-5天時間
（要根據(jù)學(xué)員的實際情況調(diào)整重點內(nèi)容及時間）
【授課對象】
業(yè)務(wù)支持部、IT系統(tǒng)部、大數(shù)據(jù)系統(tǒng)開發(fā)部、大數(shù)據(jù)分析中心、網(wǎng)絡(luò)運維部等相關(guān)技術(shù)人員。
【學(xué)員要求】
課程為實戰(zhàn)課程，要求：
每個學(xué)員自備一臺便攜機(必須)。
便攜機中事先安裝好Python 3.6版本及以上。
注：講師現(xiàn)場提供開源的安裝程序、擴展庫，以及現(xiàn)場分析的數(shù)據(jù)源。
【授課方式】
語言基礎(chǔ) + 挖掘模型 + 案例演練 + 開發(fā)實踐 + 可視化呈現(xiàn)
采用互動式教學(xué)，圍繞業(yè)務(wù)問題，展開數(shù)據(jù)分析過程，全過程演練操作，讓學(xué)員在分析、分享、講授、總結(jié)、自我實踐過程中獲得能力提升。
【課程大綱】
Python語言基礎(chǔ)
目的：掌握基本的Python編程思想與編程語句，熟悉常用數(shù)據(jù)結(jié)構(gòu)的操作
Python簡介
開發(fā)環(huán)境搭建
Python的安裝
擴展庫的安裝
掌握Python的簡單數(shù)據(jù)類型
字符串的使用及操作
整數(shù)、浮點數(shù)
掌握基本語句：
if、while、for、print等
基本運算：
函數(shù)定義、參數(shù)傳遞、返回值
掌握復(fù)雜的數(shù)據(jù)類型：列表/元組
列表操作：訪問、添加、修改、刪除、排序
列表切片、復(fù)制等
列表相關(guān)的函數(shù)、方法
元組的應(yīng)用
復(fù)雜數(shù)據(jù)類型：字典創(chuàng)建、訪問、修改、刪除、遍歷
字典函數(shù)和方法
復(fù)雜數(shù)據(jù)類型：集合
掌握面向?qū)ο缶幊趟枷?br /> 創(chuàng)建類、繼承類
模塊
函數(shù)定義、參數(shù)傳遞、返回值
標準庫與擴展庫的導(dǎo)入
異常處理:try-except塊
演練：基本的Python編程語句
Python擴展庫
目的：掌握數(shù)據(jù)集結(jié)構(gòu)及基本處理方法，進一步鞏固Python語言
數(shù)據(jù)挖掘常用擴展庫介紹
Numpy數(shù)組處理支持
Scipy矩陣計算模塊
Matplotlib數(shù)據(jù)可視化工具庫
Pandas數(shù)據(jù)分析和探索工具
StatsModels統(tǒng)計建模庫
Scikit-Learn機器學(xué)習(xí)庫
Keras深度學(xué)習(xí)（神經(jīng)網(wǎng)絡(luò)）庫
Gensim文本挖掘庫
數(shù)據(jù)集讀取與操作：讀取、寫入
讀寫文本文件
讀寫CSV文件
讀寫Excel文件
從數(shù)據(jù)庫獲取數(shù)據(jù)集
數(shù)據(jù)集的核心數(shù)據(jù)結(jié)構(gòu)（Pandas數(shù)據(jù)結(jié)構(gòu)）
DataFrame對象及處理方法
Series對象及處理方法
演練：用Python實現(xiàn)數(shù)據(jù)的基本統(tǒng)計分析功能
數(shù)據(jù)可視化處理
目的：掌握作圖擴展庫，實現(xiàn)數(shù)據(jù)可視化
常用的Python作圖庫
Matplotlib庫
Pygal庫
實現(xiàn)分類匯總
演練：按性別統(tǒng)計用戶人數(shù)
演練：按產(chǎn)品+日期統(tǒng)計各產(chǎn)品銷售金額
各種圖形的畫法
直方圖
餅圖
折線圖
散點圖
繪圖的美化技巧
演練：用Python庫作圖來實現(xiàn)產(chǎn)品銷量分析，并可視化
數(shù)據(jù)理解和數(shù)據(jù)準備
目的：掌握數(shù)據(jù)預(yù)處理的基本環(huán)節(jié)，以及Python的實現(xiàn)
數(shù)據(jù)預(yù)處理
異常值處理：3σ準則，IQR準則
缺失值插補：均值、拉格朗日插補
數(shù)據(jù)篩選/抽樣
數(shù)據(jù)的離散化處理
變量變換、變量派生
數(shù)據(jù)的基本分析
相關(guān)分析：原理、公式、應(yīng)用
方差分析：原理、公式、應(yīng)用
卡方分析：原理、公式、應(yīng)用
主成分分析：降維
案例：用Python實現(xiàn)數(shù)據(jù)預(yù)處理及數(shù)據(jù)準備
分類預(yù)測模型實戰(zhàn)
常見分類預(yù)測的模型與算法
如何評估分類預(yù)測模型的質(zhì)量
查準率
查全率
ROC曲線
邏輯回歸分析模型
邏輯回歸的原理
邏輯回歸建模的步驟
邏輯回歸結(jié)果解讀
案例：用sklearn庫實現(xiàn)銀行貸款違約預(yù)測
決策樹模型
決策樹分類的原理
決策樹的三個關(guān)鍵問題
決策樹算法與實現(xiàn)
案例：電力竊漏用戶自動識別
決策樹算法
最優(yōu)屬性選擇算法：ID3、ID4.0、ID5.0
連續(xù)變量分割算法
樹剪枝：預(yù)剪枝、后剪枝
人工神經(jīng)網(wǎng)絡(luò)模型（ANN）
神經(jīng)網(wǎng)絡(luò)概述
神經(jīng)元工作原理
常見神經(jīng)網(wǎng)絡(luò)算法（BP、LM、RBF、FNN等）
案例：神經(jīng)網(wǎng)絡(luò)預(yù)測產(chǎn)品銷量
支持向量機（SVM）
SVM基本原理
維災(zāi)難與核心函數(shù)
案例：基于水質(zhì)圖像的水質(zhì)評價
貝葉斯分析
條件概率
常見貝葉斯網(wǎng)絡(luò)
數(shù)值預(yù)測模型實戰(zhàn)
常用數(shù)值預(yù)測的模型
通用預(yù)測模型：回歸模型
季節(jié)性預(yù)測模型：相加、相乘模型
新產(chǎn)品預(yù)測模型：珀爾曲線與龔鉑茲曲線
回歸分析概念
常見回歸分析類別
回歸分析常見算法
梯度上升/下降法
普通最小二乘法OLS
局部加權(quán)線性回歸LWLR
嶺回歸（RR）
套索回歸Lasso
ElasticNet回歸
聚類分析（客戶細分）實戰(zhàn)
客戶細分常用方法
聚類分析（Clustering）
聚類方法原理介紹及適用場景
常用聚類分析算法
聚類算法的評價
案例：使用SKLearn實現(xiàn)K均值聚類
案例：使用TSNE實現(xiàn)聚類可視化
RFM模型分析
RFM模型，更深入了解你的客戶價值
RFM模型與市場策略
案例：航空公司客戶價值分析
關(guān)聯(lián)規(guī)則分析實戰(zhàn)
關(guān)聯(lián)規(guī)則概述
常用關(guān)聯(lián)規(guī)則算法
Apriori算法
發(fā)現(xiàn)頻繁集
生成關(guān)聯(lián)規(guī)則
FP-Growth算法
構(gòu)建FP樹
提取規(guī)則
時間序列分析
案例：使用apriori庫實現(xiàn)關(guān)聯(lián)分析
案例：中醫(yī)證型關(guān)聯(lián)規(guī)則挖掘
案例實戰(zhàn)
客戶流失預(yù)測和客戶挽留模型
銀行欠貸風(fēng)險預(yù)測模型
結(jié)束：課程總結(jié)與問題答疑。

傅一航老師的其它課程