Python与数据科学实战
==================================
课程影片与投影片
课程大纲
1 Python与数据科学应用
- 数据科学简介与应用
- Python与数据科学
- 安装Anaconda
- 使用Jupyter Notebook
- Python 3语法快速简介
- 数据科学步骤详解
- 实战范例 - 使用Python计算文章中的字词频率
2 搜集实务
- 数据型态
- 结构化vs半结构化vs非结构化数据
- Python IO与档案处理
- 处理CSV, Excel格式资料
- 处理JSON, XML格式数据
- 撰写网路爬虫搜集网路资料
- 实战范例 - 房天下(Fang.com)屋价资料搜集
3 资料清理(I)
- 资料清理概论
- 简介Pandas -使用Pandas处理资料
- 资料筛选
- 侦测遗失值
- 补齐遗失值
- 实战范例 - 房屋资料处理
4 资料清理(II)
- 资料转换
- 处理时间格式资料
- 重塑资料
- 学习正规表达式
- 实战范例 - 新闻资料处理
5 资料探索与资料视觉化
- 使用Pandas产生叙述性统计
- 如何使用Pandas绘制统计图表
- 实战范例 - 网页浏览纪录资料分析
6 资料储存实务
- 关联式资料库- SQLite简介
- 将资料储存至资料库中
- 使用SQL Query分析结构化资料
- 实战范例 - 汇率资讯储存与管理
7 使用机器学习建立数据模型(回归模型)
- 机器学习基础
- Scikit-Learn套件简介
- 监督式学习与非监督式学习
- 回归分析
- 回归模型评估
- 实战范例 - 使用回归模型分析房屋价格
8 使用机器学习建立数据模型(分类模型)
- 资料分类-决策树
- 资料分类- Logistic Regression
- 资料分类- SVM
- 资料分类-类神经网路
- 资料分类-随机森林
- 实战范例 - 使用分类模型预测客户流失
9 使用机器学习建立数据模型(验证模型)
- 混淆矩阵（Confusion Matrix )与其意义
- 交叉验证(Cross Validation)
- 使用ROC评估不同分类模型
- 实战范例 - 评估不同客户流失分析模型
10 使用机器学习建立数据模型(资料分群)
- 分群方法-阶层式分群
- 分群方法- Kmeans分群
- 分群方法- DBScan分群
- 分群结果评估
- 实战范例 - 利用分群找出文章主题
11 使用机器学习建立数据模型(特征筛选与降低维度)
- 特征筛选(Feature Selection)
- 特征萃取-PCA
- 特征萃取-SVD
- 实战范例 - 使用SVD 压缩图档
12 使用机器学习建立数据模型(关联与频繁样式分析篇)
- 关联分析(Association Rule)
- 频繁样式探勘(Frequent Pattern Mining)
- 实战范例 - 购物篮分析实例