Python變成編程語言中的黑馬，再不學(xué)習(xí)真晚了

GitHub 每年都會(huì)在年度盛會(huì)中推出數(shù)據(jù)報(bào)告，其中列出了一些年度的數(shù)據(jù)，包括其網(wǎng)站中最受歡迎的編程語言、開源項(xiàng)目等。今年的數(shù)據(jù)更是讓人眼前一亮，Python 這匹編程語言中的黑馬，勢(shì)不可擋！

值得注意的是：Python已代替 Java從去年的第三突進(jìn)了第二，相比去年它新增了40% 的PR數(shù)，近幾年P(guān)ython的增長(zhǎng)勢(shì)頭一直非常迅猛。

數(shù)據(jù)分析職場(chǎng)新人，精通一門語言至關(guān)重要。寫個(gè)web服務(wù)可以用Python、 寫個(gè)服務(wù)器腳本可以用Python、 數(shù)據(jù)清洗和網(wǎng)絡(luò)爬蟲可以用Python、 做機(jī)器學(xué)習(xí)數(shù)據(jù)挖掘可以用Python等等，Python 作為 AI 時(shí)代頭牌語言的位置基本確立。

甚至有些省份信息技術(shù)教材不會(huì)再使用晦澀難懂的VB語言，而是改學(xué)更簡(jiǎn)單易懂的Python語言，Python語言將成為學(xué)習(xí)的一種趨勢(shì)，所以說人生苦短，我用Python。

2018年1月12日覃老師主講Python數(shù)據(jù)挖掘深圳班，深受往期學(xué)員好評(píng)，能夠快速掌握Python數(shù)據(jù)分析和數(shù)據(jù)挖掘（含機(jī)器學(xué)習(xí)）的思想和技術(shù)。

一、課程特色

1．全程沒有艱深的公式，幾乎全部以實(shí)際案例帶動(dòng)啟發(fā)理解，以通俗易懂的語言講清楚深刻的數(shù)據(jù)分析和挖掘思想，隨時(shí)互動(dòng)、答疑解惑。

2．注重學(xué)以致用、注重應(yīng)用場(chǎng)景再現(xiàn)。把工作中常見的數(shù)據(jù)分析模型和案例加以剖析，使得學(xué)員在實(shí)際工作中很快能上手進(jìn)行實(shí)際問題的解決。

3．注重實(shí)際工作經(jīng)驗(yàn)分享，讓學(xué)員在工作學(xué)習(xí)中少走彎路，以培養(yǎng)興趣為引導(dǎo)、以闡明基本原理思想為基礎(chǔ)，讓學(xué)員在數(shù)據(jù)分析中有應(yīng)萬變的能力。

二、授課老師

覃老師，早年畢業(yè)于中國人民大學(xué)統(tǒng)計(jì)學(xué)院，近20年來一直進(jìn)行著數(shù)據(jù)分析的理論和實(shí)踐，熟悉數(shù)據(jù)分析與建模，擅長(zhǎng)使用Python、R語言、SAS和Spark解決大數(shù)據(jù)建模及算法優(yōu)化難題，積累了大量實(shí)踐案例，經(jīng)驗(yàn)豐富；善于用邏輯貫穿數(shù)據(jù)分析過程，把深?yuàn)W的思想和方法用通俗易懂的語言講述清楚透徹；善于用數(shù)據(jù)分析計(jì)算機(jī)程序，實(shí)現(xiàn)從數(shù)據(jù)到結(jié)論到預(yù)測(cè)的落地過程。2010 年至今培養(yǎng)了上萬名（包括首批）使用R語言、SAS和Python等工具實(shí)現(xiàn)數(shù)據(jù)分析和挖掘的專業(yè)人士，幫助他們?cè)?a href='/map/shujuwajue/' style='color:#000;font-size:inherit;'>數(shù)據(jù)挖掘領(lǐng)域提升工作技能或?qū)崿F(xiàn)就業(yè)。

覃老師曾在某世界500強(qiáng)金融業(yè)公司工作，期間曾帶隊(duì)負(fù)責(zé)開發(fā)國內(nèi)首款基于數(shù)據(jù)分析建模、隨機(jī)模擬和最優(yōu)化精確計(jì)算的金融年金產(chǎn)品，該產(chǎn)品銷售額持續(xù)領(lǐng)跑同業(yè)市場(chǎng)多年，獲得金融產(chǎn)品創(chuàng)新大獎(jiǎng)。

覃老師培訓(xùn)或完成過數(shù)據(jù)分析和挖掘項(xiàng)目的企業(yè)有：中國人壽、陸金所、中國建設(shè)銀行、匯豐銀行、北京銀行、渤海銀行、寧波銀行、吳江農(nóng)商行、中國移動(dòng)等。

三、課程大綱

第一階段： Python 基礎(chǔ)精要，零基礎(chǔ)也能學(xué)會(huì)

1. 語法初步

2. 列表、字符串和元組

3. 集合與字典

4. 條件和循環(huán)語句

5. 若干重要內(nèi)置函數(shù)應(yīng)用

6. 文件操作

7. 函數(shù)及其應(yīng)用

8. 正則表達(dá)式

9. 數(shù)據(jù)庫和 Python

10.排序算法、 動(dòng)態(tài)規(guī)劃算法、遞歸算法等算法

第二階段：numpy、pandas等進(jìn)行數(shù)據(jù)清洗和整理，充分統(tǒng)計(jì)分析數(shù)據(jù)

1. 整理數(shù)據(jù)（切片、產(chǎn)生隨機(jī)數(shù)、復(fù)制、廣播、排序等）

2. 數(shù)據(jù)索引和選擇的各種方法

3. 數(shù)據(jù)的分組、分割、合并、變形

4. 缺失值和空值的數(shù)據(jù)處理

5. 時(shí)間序列數(shù)據(jù)處理、建模和預(yù)測(cè)（ARIMA）

6. 含中文數(shù)據(jù)的處理

7. 數(shù)據(jù)去重、去離群值

8. R語言和Python（pandas）數(shù)據(jù)整理和建模的比較

9. 描述統(tǒng)計(jì)和推論統(tǒng)計(jì)分析

第三階段：Python機(jī)器學(xué)習(xí)算法和數(shù)據(jù)挖掘案例實(shí)戰(zhàn)

1. 文本挖掘原理和案例（Logistic 回歸模型對(duì)文本的分類）

2. 預(yù)測(cè)分析核心算法（圖片的K-means聚類分析）

3. 機(jī)器學(xué)習(xí)經(jīng)典算法（圖片的識(shí)別和分類：PCA建模）

4. 概率統(tǒng)計(jì)（二維手寫數(shù)字識(shí)別 KNN方法）

5. 數(shù)據(jù)可視化（推薦系統(tǒng)和精準(zhǔn)營(yíng)銷 最近鄰方法、協(xié)同過濾）

6. 金融建模分析（數(shù)據(jù)可視化的各種情形）

7. 客戶畫像和精準(zhǔn)營(yíng)銷（新聞的文本分類 TF-IDF準(zhǔn)則、旅游新聞個(gè)性化推薦）

8. 算法和模型的優(yōu)化（手寫識(shí)別）

9. 模型精度評(píng)估和提升（樸素貝葉斯決策）

10.特征選取的方法（酒的品質(zhì)分類預(yù)測(cè)）

11.最佳K-means分類數(shù)（機(jī)器學(xué)習(xí)的格點(diǎn)搜索和參數(shù)尋優(yōu)）

12.交叉驗(yàn)證（懲罰線性回歸分類器）

13.不平衡數(shù)據(jù)處理（使用支持向量機(jī)識(shí)別和分類）

14.XGBoost 使用案例（金融時(shí)間序列預(yù)測(cè)）

15.貝葉斯分析（機(jī)器集成學(xué)習(xí)算法）

16.逼近和最優(yōu)化（隨機(jī)模擬）

17.自然語言概率圖模型（用戶流失預(yù)警）

18 馬爾科夫&蒙特卡羅（量化投資實(shí)戰(zhàn)）

四、課程安排

上課時(shí)間：2018年01月12-14日

上課地點(diǎn)：深圳市南山區(qū)科技園北區(qū)科技北一路17號(hào)摩比大廈

現(xiàn)場(chǎng)費(fèi)用：2800/1800元（學(xué)生價(jià)格1800元 僅限全日制本科生及碩士研究生)

直播費(fèi)用：1800元/人（同步上課時(shí)間 課程內(nèi)容）

每天授課：上午9:00-12:00；下午13:30-16：30；16:30-17:00（答疑）

五、課程優(yōu)惠

1.現(xiàn)場(chǎng)班老學(xué)員9折優(yōu)惠；

2.同一單位三人以上同時(shí)報(bào)名9折優(yōu)惠。

以上優(yōu)惠不疊加