- 机器学习
Python数据分析实战与运用-从入门到实战
数据分析师不只是统计报表,更是要通过数据发现问题、解决问题,所以不仅要会分析数据,还要挖掘内部规律!
共99节 1004人已学习¥99.0 免费试学 - Python
Python数据处理实战:基于真实场景的数据
目前数据分析已经深入到各个行业中,尤其以Python为工具的数据分析和数据挖掘将越来越流行,但在数据分析和挖掘中,最消耗时间的就是数据处理了,高效的数据处理技能已经成为工作中必不可少的技能之一了。熟练掌握和运用Python对数据进行高效的处理,可以大大提高数据分析和数据挖掘的效率。 Python数据处理实战: 基于真实场景的数据(Python数据处理和特征工程)作为Python数据清洗实战入门课程的升级版,本课程以真实的场景数据为案例进行教学,包括征信,电商,零售数据等, 本课程由浅入深详细讲解Python数据处理和特征工程在真实项目中的运用, 本课程专门针对想深入学习Python数据处理而量身定做的课程,是讲师在多年真实项目和实践工作的总结,涵盖实际项目中主要的知识点,内容详尽,代码可读性及实操性强。 掌握好数据处理和特征工程,有利于今后从事或者转行数据分析或者数据挖掘,以及解决工作和项目中遇到的各种数据处理问题。 课程目标: 1. 熟悉数据处理的流程和方法 2. 熟练掌握pandas和numpy的运用 3. 举一反三,能够独立完成数据分析中数据处理阶段的任务 4. 提高数据处理能力,在项目中能够事半功倍 课程定位: 1. 零基础学员或者有一定基础学员、大中院校学生; 2. 在职从事数据分析相关工作以及打算转行Python数据分析人员; 3. 对Python有兴趣人群。 课程特色 1. 相关代码老师课堂上全部打出,方便理解和记忆; 2. 提供源代码和数据方便同学们预习和复习; 3. 使用真实的数据进行教学,紧贴实战,避免枯燥的理论; 4. 在教学过程中,尽可能多的使用图表教学; 5. 每一个章节后面都配有相关练习题目以及习题答案,方便同学们进行自我测试。 课程学习环境: Python3.7版本 讲师介绍: Peter, 某科技公司高级量化分析师,金融数学硕士毕业,擅长数据分析和数据挖掘,在公司长期从事机器学习建模,拥有多家银行,消费金融和互联网金融风控建模经验。熟练掌握Python编程软件和数据库等软件.
共60节 1345人已学习¥99.0 免费试学 - Python
数据分析入门与应用
本课程以Python为平台,详细讲解Python在数据分析中的运用,以真实场景下的数据为案例教学,从基础的知识点到实战项目的上手以及Python数据分析的全过程以及需要掌握的技巧和方法。
共44节 534人已学习¥99.0 免费试学 - Python
Python数据挖掘简易入门
【为什么学习数据挖掘】 人工智能、大数据时代有什么技能是可以运用在各种行业的?数据分析就是。 从海量数据中获得别人看不见的信息,创业者可以通过数据分析来优化产品,营销人员可以通过数据分析改进营销策略,产品经理可以通过数据分析洞察用户习惯,金融从业者可以通过数据分析规避投资风险,程序员可以通过数据分析进一步挖掘出数据价值,它和编程一样,本质上也是一个工具,通过数据来对现实事物进行分析和识别的能力。不管你从事什么行业,掌握了数据分析能力,往往在其岗位上更有竞争力。【超实用的课程内容】 本课程为Python数据挖掘方向的入门课程,课程主要以真实数据为基础,详细介绍数据挖掘入门的流程和使用Python实现pandas与numpy在数据挖掘方向的运用,并深入学习如何运用scikit-learn调用常用的数据挖掘算法解决数据挖掘问题,为进一步深入学习数据挖掘打下扎实的基础。本课程分为三大部分: 基础知识篇:主要讲解数据挖掘这项技能的基本工作流程和介绍和入门必须的基本技能Python语言的入门,带领大家了解数据挖掘的常见操作和基础知识。 数据采集篇:学习如何解决数据挖掘的数据来源问题,读取各类型不同的数据包括CSV,excel,MySQL进行数据采集的交互。 数据探索篇:本篇主要解决数据的预处理保证数据的质量并用常见数据挖掘算法进行特征提取,分析数据背后隐含的信息。 【报名须知】课程采取录播模式,课程永久有效,可无限次观看课件、课程案例代码完全开放给你,你可以根据所学知识,自行修改、优化【如何开始学习?】PC端:报名成功后可以直接进入课程学习移动端:下载CSDN学院或CSDN
共31节 4058人已学习¥99.0 免费试学 - Python
Python数据清洗实战入门
本次课程主要以真实的电商数据为基础,通过Python详细的介绍了数据分析中的数据清洗阶段各种技巧和方法。
共25节 39664人已学习¥49.0 免费试学
- 1
Peter
技术经理
英国海归硕士,数学与金融复合背景,高级数据分析师,征信数据库、信用评分模型及创新类大数据和风控产品的设计、互联网金融信贷产品设计(受托支付、现金贷、烟商贷)有实战经验,熟悉银行业务和场景,兼具互联网金融思维。热爱数据处理、数据分析工作,自信于数据分析师职业素养所要求的“五懂”,即懂业务、懂管理、懂分析、懂工具、懂设计。熟练掌握SAS编程软件,熟悉数据挖掘项目的实施方法,包括业务数据收集整理、质量检查、数据分析与评分模型建立和验证。熟悉Excel、PowerPoint、SAS、Python、R和SPSS及SQL、Oracle数据库。
课程数 5 学生数 46604