京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA LEVEL II Python专题开课倒计时,你从未见过的_用Python玩转数据挖掘!
Python具有简单、易学、免费、开源、可移植、可扩展、可嵌入、面向对象等优点,它的面向对象甚至比java和C++更彻底。 作为一种通用语言,Python几乎可以用在任何领域和场合,角色几乎是无限的,Python开发者的哲学是“用一种方法,最好是只有一种方法来做一件事情”。下面这些公司都在使用Python完成各种各样的任务,国内:豆瓣、搜狐、腾讯、网易、百度、阿里、淘宝、新浪…; 国外:谷歌、NASA、YouTube、Facebook…
一、 课程安排
时间:2016年7月16-17日,23-24日 ,30-31共六天
地点:北京&直播,CDA数据分析研究院
费用:现场班5900元,远程班4400元
授课安排:
(1) 授课方式:面授形式,中文多媒体互动式授课方式
(2) 授课时间:上午9:00-12:00,下午13:30-16:30,16:30-17:00(答疑)
(3) 学习期限:现场与视频结合,长期学习加练习答疑。
二、 授课大纲
|
第一讲 1.1 Python入门,Anaconda安装 1.2 Python数据类型、数据语法、运算符 |
第二讲 2.1 函数、模块、异常与文件处理 2.2 函数与重要Python包 2.3 数据挖掘常用包介绍 |
|
第三讲 3.1 特征变量选择:主成分和因子等 3.2 样本聚类 3.3 案例1:汽车类型聚类与地域购买偏好分析 |
第四讲 4.1 决策树模型 4.2 模型验证+组合算法 4.3 案例2:电信离网用户预警 |
|
第五讲 5.1 最近邻域法(KNN)、MBR、样条曲线 5.2 线性回归与岭回归、可实现的Lasso算法 5.3 案例3:婚恋网站被约会可能性预测 案例4:零售业客户价值预测模型 |
第六讲 6.1 逻辑回归;广义线性模型 6.2 支持向量机 6.3 案例5:新闻内容分类 |
|
第七讲 7.1 文本分析流程概述 7.2 常用字符串函数与正则表达式 7.3 分词与词频统计 7.4 案例6:新闻内容分类 案例7:构造新闻热点词指数 |
第八讲 8.1 社会网络分析 8.2 案例8:电信客户交友圈与流失预警 案例9:电信再入网 |
三、 讲师介绍
王小川,同济大学管理学博士,MATLAB技术论坛管理团队核心成员,证券从业人员。现就职于国内某大型券商研究所,从事量化投资相关工作,并承担了部分高校统计课程教学任务。长期研究机器学习在统计学中的应用,精通MATLAB、Python、SAS、SPSS等统计软件,热衷数据分析和数据挖掘工作,有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》一书。
赵仁乾,北京邮电大学管理科学与工程硕士,现就职于北京电信规划设计院,从事移动、联通集团及各省分公司市场业务财务规划、经济评价及运营咨询。重点研究方向包括离网用户挖掘、市场细分与精准营销、移动网络价值区域分析、潜在价值客户挖掘等。
于小洋,中山大学计算机系硕士,百度股市通主要开发人员。原百度大数据研发工程师,现美团数据挖掘工程师。主攻大数据与文本分析。
四、 学员对象
1)各行业数据分析、数据挖掘从业者
2)金融、电信、零售、医学等各行业业务数据分析人员
3)政府事业单位大数据及数据挖掘项目人员
4)数据挖掘岗位就业、提拔涨薪、技能优化等从业人员
5)对数据挖掘感兴趣的各界人员
五、 课程优惠
1. 全日制学生及CDA LEVEL Ⅰ老学员8折优惠(学生证证明文件);
2. 同一单位三人及以上报名9折优惠,五人及以上8折优惠;
3. 论坛其他课程老学员9折优惠.
六、 学员基础要求
1)掌握CDA LEVEL I 大纲要求
2)报名赠送《PYTHON初级视频》,提前观看视频做好预习工作。
七、 关于证书
此证书为CDA等级认证证书中英文双证,此证书为CDA数据分析师证证书,可以作为企业事业单位选拔和聘用专业人才的任职参考依据。)
八、 报名流程
1. 在线填写报名信息
2.给予反馈,确认报名信息
3.网上缴费
4.开课前一周发送电子版课件和教室路线图
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30