(微信同号)课程特点
数据挖掘技术是应用统计的专业课程，本课程以数据挖掘为主要内容，讲述实现数据挖掘的各主要功能、挖掘算法和应用，并通过对实际数据的分析更加深入地理解常用的数据挖掘模型。掌握数据挖掘软件的使用，培养数据分析和处理的能力。
通过学习当前的最新数据分析软件应用技术、通过数据分析软件学习，贴近工作实战分析需求，满足日常的工作分析需求、掌握数据分析的方法论和项目实践。
通过学习本课程，可掌握技能
1、 学会搭建数据分析开发环境；
2、 了解NumPy 库的基本用法；
3、 熟练掌握Pandas 库的基本操作；
4、 了解和掌握数据处理常用操作；
5、 掌握matplotlib等可视化库的用法；
6、 掌握数据清洗和整理的数据分析的基本方法；
7、 掌握使用Python 进行简单统计分析；
8、 使用scikit-learn 库进行机器学习
教学方法
理论讲解+案例分析+视频分享+课堂练习+实战演练+小组研讨+互动答疑
课程大纲
第一章Python数据分析简介
1. 数据分析流程简介
2. 本机环境配置
3. 线上环境配置
4. Jupyter Notebook启动及使用
5. Python 环境介绍
第二章Numpy数据格式与数据分析
1. 多维数组
2. 索引与切片
3. 数组的运算
4. 数组的存取
第三章pandas数据格式与数据分析
1. 基本数据结构
2. 基本操作
3. 运算
4. 层次化索引
5. 可视化
第四章 数据读取与存储
1. CSV 文件
2. txt 文件
3. JSON 文件
4. Excel 文件
第五章 数据清洗与整理
1. 数据清洗
2. 数据合并
3. 数据重排
第六章 数据分组与聚合
1. 分组
2. 聚合
3. 分组运算
4. 数据透视表
第七章 数据可视化
1. 线形图
2. 柱状图
3. 其它基本图表
4. 自定义设置
第八章 数据统计分析基础
1. 统计量
2. 统计分布
3. 统计推断
4. 相关性分析
第九章 机器学习方法
1. 机器学习方法简介
2. 数据分类
3. 数据逻辑回归拟合
4. 聚类
机器学习实战案例
1、 泰坦尼克数据探索
2、 估算Boston 房屋价格
3、 手写数字识别
