课程简介
课程以2个数据挖掘项目案例为主线，内容贯穿数据分析与挖掘的基础概念、基本流程、常用算法和Python编程实现及数据分析挖掘在企业实际经营过程中的应用。课程除了带领学员入门数据挖掘，更着重强调以数据的思维和角度看待及解决问题。
目标收益
培训对象
1、数据分析师／挖掘工程师
2、统计学、数学或计算机、数理统计或数据挖掘方向相关专业大学专科或以上学历的学生或教师；
3、具有一定数学基础知识，计划从事数据挖掘工作的职场人士；
4、对数据挖掘、数据分析感兴趣，想自我提升人士。
课程大纲
|
第一天： Python训练 |
1.1Python基础知识 1.1.1 Python环境搭建、库的安装 1.1.2 Python数据类型及结构 1.1.3 数据的导入导出 1.1.4 常用数据管理 1.1.5 控制流 1.2 Python函数 1.2.1 Python常见数据函数 1.2.2 函数自定义 1.3 Python数据挖掘常用模块 1.3.1 Numpy 1.3.2 pandas 1.3.3 Python机器学习库：Scikit－learn |
|
第二天： 数据挖掘 |
2.1 数据挖掘概论 2.1.1 什么是数据挖掘 2.1.2 数据挖掘、机器学习与人工智能 2.1.3 数据挖掘的基本过程 2.1.4 模型评估 2.2 数据挖掘算法及编程实现 2.2.1 回归分析 2.2.2 决策树 2.2.3 KNN 2.2.4 朴素贝叶斯 2.2.5 人工神经网络 2.2.6 K-means聚类分析 2.2.7 层次聚类 2.2.8 其他聚类算法 |
|
第三天： 数据挖 掘案例 |
3.1 中医证型关联规则 3.1.1 背景与挖掘目标 3.1.2 分析方法与过程 3.1.3 上机实验 3.1.4 拓展思考 3.2 电商网站智能推荐 3.2.1 背景与挖掘目标 3.2.2 分析方法与过程 3.2.3 上机实验 3.2.4 拓展思考 |
|
第一天： Python训练 1.1Python基础知识 1.1.1 Python环境搭建、库的安装 1.1.2 Python数据类型及结构 1.1.3 数据的导入导出 1.1.4 常用数据管理 1.1.5 控制流 1.2 Python函数 1.2.1 Python常见数据函数 1.2.2 函数自定义 1.3 Python数据挖掘常用模块 1.3.1 Numpy 1.3.2 pandas 1.3.3 Python机器学习库：Scikit－learn |
|
第二天： 数据挖掘 2.1 数据挖掘概论 2.1.1 什么是数据挖掘 2.1.2 数据挖掘、机器学习与人工智能 2.1.3 数据挖掘的基本过程 2.1.4 模型评估 2.2 数据挖掘算法及编程实现 2.2.1 回归分析 2.2.2 决策树 2.2.3 KNN 2.2.4 朴素贝叶斯 2.2.5 人工神经网络 2.2.6 K-means聚类分析 2.2.7 层次聚类 2.2.8 其他聚类算法 |
|
第三天： 数据挖 掘案例 3.1 中医证型关联规则 3.1.1 背景与挖掘目标 3.1.2 分析方法与过程 3.1.3 上机实验 3.1.4 拓展思考 3.2 电商网站智能推荐 3.2.1 背景与挖掘目标 3.2.2 分析方法与过程 3.2.3 上机实验 3.2.4 拓展思考 |
近期公开课推荐
