1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓(xùn)班中重聽；
        2、培訓(xùn)結(jié)束后,授課老師留給學(xué)員聯(lián)系方式,保障培訓(xùn)效果,免費提供課后技術(shù)支持。
        3、培訓(xùn)合格學(xué)員可享受免費推薦就業(yè)機會。

課程目標
掌握Python數(shù)據(jù)挖掘流程，熟練使用Python庫進行建模分析。
適用人群
熟悉Python準備從事數(shù)據(jù)領(lǐng)域的同學(xué)們
課程簡介
Python數(shù)據(jù)挖掘系列課程基于真實數(shù)據(jù)集進行案例實戰(zhàn)，使用Python數(shù)據(jù)科學(xué)庫從數(shù)據(jù)預(yù)處理開始一步步進行數(shù)據(jù)建模。對于每個案例首先進行流程解讀與數(shù)據(jù)分析，建立特征工程，詳細解讀其中每一步原理與應(yīng)用
第1章泰坦尼克號獲救預(yù)測
1-1數(shù)據(jù)挖掘任務(wù)流程
1-2數(shù)據(jù)介紹
1-3Python兵器庫介紹
1-4sklearn庫介紹
1-5數(shù)據(jù)讀取與統(tǒng)計分析
1-6性別特征分析
1-7船艙等級特征分析
1-8缺失值問題
1-9年齡缺失值填充與分析
1-10登船地點特征分析
1-11家庭特征分析
1-12特征相關(guān)性
1-13構(gòu)建特征
1-14機器學(xué)習(xí)算法概述
1-15交叉驗證
1-16多種機器學(xué)習(xí)算法模型效果
1-17集成模塊
1-18特征重要性衡量
1-19總結(jié)與特征預(yù)處理
第2章用戶畫像
2-1用戶畫像概述
2-2如何建立用戶畫像
2-3用戶搜索數(shù)據(jù)介紹
2-4任務(wù)概述與方案
2-5構(gòu)造詞向量特征
2-6構(gòu)造輸入特征
2-7建立預(yù)測模型
第3章Xgboost實戰(zhàn)
3-1Xgboost算法概述
3-2Xgboost模型構(gòu)造
3-3Xgboost建模衡量標準
3-4Xgboost安裝
3-5保險賠償任務(wù)概述
3-6Xgboost參數(shù)定義
3-7基礎(chǔ)模型定義
3-8樹結(jié)構(gòu)對結(jié)果的影響
3-9學(xué)習(xí)率與采樣對結(jié)果的影響
第4章用電敏感客戶分類
4-1任務(wù)概述與解決框架
4-2特征工程分析與特征提取
4-3離散數(shù)據(jù)處理
4-4統(tǒng)計與文本特征
4-5文本特征構(gòu)建
4-6構(gòu)建低敏用戶模型
4-7高敏模型概述
第5章BenchMark與論文的作用
5-1HTTP檢測任務(wù)與數(shù)據(jù)挖掘的核心
5-2論文的重要程度
5-3BenchMark概述
5-4BenchMark的作用
第6章京東購買意向預(yù)測
6-1項目與數(shù)據(jù)介紹
6-2數(shù)據(jù)挖掘流程
6-3數(shù)據(jù)檢查
6-4構(gòu)建用戶特征表單
6-5構(gòu)建商品特征表單
6-6數(shù)據(jù)探索概述
6-7購買因素分析
6-8特征工程
6-9基本特征構(gòu)造
6-10行為特征
6-11累計行為特征
6-12Xgboost模型
第7章kaggle數(shù)據(jù)科學(xué)調(diào)查
7-1kaggle數(shù)據(jù)科學(xué)調(diào)查介紹
7-2基本情況可視化展
7-3工資情況
7-4技能使用情況
7-5數(shù)據(jù)集與平臺
7-6Python與R哪家強
7-7調(diào)查總結(jié)
第8章房價預(yù)測
8-1房價預(yù)測任務(wù)概述
8-2離散型數(shù)據(jù)
8-3數(shù)據(jù)對數(shù)變換
8-4缺失值處理與box-cox變換
8-5模型預(yù)測
第9章fbprophet時間序列預(yù)測
9-1fbprophet股價預(yù)測任務(wù)概述
9-2時間序列分析
9-3fbprophet時間序列預(yù)測實例
9-4亞馬遜股價趨勢
9-5突變點調(diào)參