课程介绍

Python3数据分析与挖掘建模实战，快速胜任数据分析师课程是一门专门针对想要快速掌握Python在数据分析和挖掘建模方面的知识和技能的课程。该课程旨在帮助学员成为一名熟练的数据分析师，能够使用Python进行数据处理、分析和建模。

课程内容包括以下几个方面：

1. Python基础知识：该部分主要介绍Python编程语言的基础知识和语法。学员将学习Python的数据类型、流程控制、函数和模块等基本概念和操作。
2. 数据处理与清洗：该部分主要介绍如何使用Python进行数据处理和清洗。学员将学习如何读取和写入不同格式的数据文件、如何处理缺失值和异常值、如何进行数据转换和合并等。
3. 数据分析与可视化：该部分主要介绍如何使用Python进行数据分析和可视化。学员将学习如何使用Python的数据分析库（如Pandas和NumPy）进行数据分析和统计计算，以及如何使用数据可视化工具（如Matplotlib和Seaborn）进行数据可视化。
4. 数据挖掘与建模：该部分主要介绍如何使用Python进行数据挖掘和建模。学员将学习如何使用Python的机器学习库（如Scikit-learn）进行数据挖掘和建模，以及如何评估和优化模型的性能。

通过该课程的学习，学员将能够掌握Python在数据分析和挖掘建模方面的核心知识和技能，并能够快速胜任数据分析师的工作。无论是对于想要进入数据分析行业的学生，还是对于已经从事数据分析工作的人员，该课程都能够提供有价值的帮助。

课程目录

/【imooc-185】Python3数据分析与挖掘建模实战，快速胜任数据分析师/
│├─README.md 130byte
│├─书籍+随堂源码+说明.7z 13.6MB
│├─更多课程：.url 119byte
│├─第1章 课程介绍【赠送相关电子书+随堂代码】
│├─第2章 数据获取
│├─第3章 单因子探索分析与可视化
│├─第4章 多因子探索分析
│├─第5章 预处理理论
│├─第6章 挖掘建模
│├─第7章 模型评估
│├─第8章 总结与展望
│├─课程目录.txt 316byte
│├─课程详细目录.txt 5.1KB
│├─课程说明.txt 273byte

详细目录

第1章 课程介绍【赠送相关电子书+随堂代码】/
│├─1-1 课程导学.mp4 20.2MB
│├─1-2 数据分析概述.mp4 96.2MB
第2章 数据获取/
│├─2-1 数据仓库.mp4 7.1MB
│├─2-2 监测与抓取.mp4 23.3MB
│├─2-3 填写、埋点、日志、计算.mp4 2.8MB
│├─2-4 数据学习网站.mp4 89.7MB
│├─README.md 130byte
│├─课程说明.txt 273byte
第3章 单因子探索分析与可视化/
│├─3-1 数据案例介绍.mp4 20.3MB
│├─3-10 分布分析.mp4 5MB
│├─3-11 Satisfaction Level的分析.mp4 37MB
│├─3-12 LastEvaluation的分析.mp4 32.1MB
│├─3-13 NumberProject的分析.mp4 13.8MB
│├─3-14 AverageMonthlyHours的分析.mp4 31.9MB
│├─3-15 TimeSpendCompany的分析.mp4 4.1MB
│├─3-16 WorkAccident的分析.mp4 4MB
│├─3-17 Left的分析.mp4 2.4MB
│├─3-18 PromotionLast5Years的分析.mp4 3MB
│├─3-19 Salary的分析.mp4 7.8MB
│├─3-2 集中趋势,离中趋势.mp4 8.1MB
│├─3-20 Department的分析.mp4 5.8MB
│├─3-21 简单对比分析操作.mp4 35.9MB
│├─3-22 可视化-柱状图.mp4 147.9MB
│├─3-23 可视化-直方图.mp4 46.3MB
│├─3-24 可视化-箱线图.mp4 18.1MB
│├─3-25 可视化-折线图.mp4 19.8MB
│├─3-26 可视化-饼图.mp4 38.2MB
│├─3-27 本章小结.mp4 19.1MB
│├─3-3 数据分布–偏态与峰度.mp4 5MB
│├─3-4 抽样理论.mp4 6.2MB
│├─3-5 编码实现（基于python2.7）.mp4 88.6MB
│├─3-6 数据分类.mp4 3MB
│├─3-7 异常值分析.mp4 6.2MB
│├─3-8 对比分析.mp4 4.4MB
│├─3-9 结构分析.mp4 1.4MB
第4章 多因子探索分析/
│├─4-1 假设检验.mp4 12.6MB
│├─4-10 相关分析与实现.mp4 158.4MB
│├─4-11 因子分析与实现.mp4 31.3MB
│├─4-12 本章小结.mp4 11.6MB
│├─4-2 卡方检验.mp4 2.9MB
│├─4-3 方差检验.mp4 4.7MB
│├─4-4 相关系数.mp4 3.2MB
│├─4-5 线性回归.mp4 4.6MB
│├─4-6 主成分分析.mp4 8.5MB
│├─4-7 编码实现.mp4 159.3MB
│├─4-8 交叉分析方法与实现.mp4 113.1MB
│├─4-9 分组分析方法与实现.mp4 18.1MB
│├─README.md 130byte
│├─课程说明.txt 273byte
第5章 预处理理论/
│├─5-1 特征工程概述.mp4 10MB
│├─5-10 特征变换-正规化.mp4 13.2MB
│├─5-11 特征降维-LDA.mp4 32.2MB
│├─5-12 特征衍生.mp4 5.4MB
│├─5-13 HR表的特征预处理-1.mp4 114.4MB
│├─5-14 HR表的特征预处理-2.mp4 88.1MB
│├─5-15 本章小结.mp4 5.6MB
│├─5-2 数据样本采集.mp4 2.9MB
│├─5-3 异常值处理.mp4 60.4MB
│├─5-4 标注.mp4 3.1MB
│├─5-5 特征选择.mp4 78.3MB
│├─5-6 特征变换-对指化.mp4 5MB
│├─5-7 特征变换-离散化.mp4 14.5MB
│├─5-8 特征变换-归一化与标准化.mp4 12.8MB
│├─5-9 特征变换-数值化.mp4 26.6MB
第6章 挖掘建模/
│├─6-1 机器学习与数据建模.mp4 5.3MB
│├─6-10 回归-分类-逻辑回归.mp4 56MB
│├─6-11 回归-分类-人工神经网络-1.mp4 29.5MB
│├─6-12 回归-分类-人工神经网络-2.mp4 143MB
│├─6-13 回归-回归树与提升树.mp4 54.4MB
│├─6-14 聚类-Kmeans-1.mp4 23.3MB
│├─6-15 聚类-Kmeans-2.mp4 117.2MB
│├─6-16 聚类-DBSCAN.mp4 49.7MB
│├─6-17 聚类-层次聚类.mp4 16.8MB
│├─6-18 聚类-图分裂.mp4 3.6MB
│├─6-19 关联-关联规则-1.mp4 23.8MB
│├─6-2 训练集、验证集、测试集.mp4 29.5MB
│├─6-20 关联-关联规则-2.mp4 116.1MB
│├─6-21 半监督-标签传播算法.mp4 120.6MB
│├─6-22 本章小结.mp4 52.5MB
│├─6-3 分类-KNN.mp4 129.7MB
│├─6-4 分类-朴素贝叶斯.mp4 102.7MB
│├─6-5 分类-决策树.mp4 150MB
│├─6-6 分类-支持向量机.mp4 77.2MB
│├─6-7 分类-集成-随机森林.mp4 127MB
│├─6-8 分类-集成-Adaboost.mp4 50.6MB
│├─6-9 回归-线性回归.mp4 56.1MB
第7章 模型评估/
│├─7-1 分类评估-混淆矩阵.mp4 26.5MB
│├─7-2 分类评估-ROC、AUC、提升图与KS图.mp4 78.5MB
│├─7-3 回归评估.mp4 42.1MB
│├─7-4 非监督评估.mp4 55.2MB
第8章 总结与展望/
│├─8-1 课程回顾与多角度看数据分析.mp4 11MB
│├─8-2 大数据与学习这门课后还能干什么_音频.mp4.mp4 15.6MB
│├─README.md 130byte
│├─课程说明.txt 273byte