|
X象学院-《Python数据分析》升级版第二期 课程大纲: 第一课 工作环境准备及数据分析建模理论基础 (2-3课时) 1. 课程介绍 2. 数据分析的基本概念 3. Python简介和环境部署 4. NumPy数据结构及向量化 5. 数据分析建模理论基础 a. 机器学习基础 b. 数据分析建模过程 c. 常用的数据分析建模工具 6. 实战案例1:使用Python实现蒙特卡洛模拟的期权估值 第二课 数据分析工具Pandas (2-3课时) 1. Pandas的数据结构 2. Pandas的数据操作 a. 数据的导入、导出 b. 数据的过滤筛选 c. 索引及多重索引 3. Pandas统计计算和描述 4. 数据的分组与聚合 5. 数据清洗、合并、转化和重构 6. 实战案例2-1:Lending Club借贷数据处理及初步分析 第三课 探索性数据分析(EDA)及数据可视化 (2-3课时) 1. 什么是EDA 2. 探索单变量、多变量的关系及其可视化 3. 3D绘图 4. 实战案例2-2:Lending Club借贷数据探索性分析及可视化 第四课 机器学习及scikit-learn(2-3课时) 1. 机器学习基本概念与流程 2. Python机器学习库scikit-learn 3. 常用评价指标 4. 分类预测模型– Logistic回归与Softmax回归 5. 实战案例2-3:Lending Club借贷违约预测 第五课 金融数据分析(1)--金融时间序列(2-3课时) 1. Pandas的时间处理及操作 2. 金融数据 3. 金融学图表 4. 高频数据分析 5. 实战案例3-1:股票收益率回归分析 第六课 金融数据分析(2)--量化分析 (2-3课时)量化分析基础 1. 量化策略建模流程及回测 2. 常用量化分析指标及框架 3. TA-Lib金融软件工具 4. 实战案例3-2:多因子策略模型 第七课 图像数据处理及分析 (2-3课时) 1. 基本的图像操作和处理 2. 常用的图像特征描述 3. 聚类模型:K-Means 4. 实战案例4:电影海报主色调聚类分析 第八课 深度学习及TensorFlow (2-3课时) 1. 人工神经网络及深度学习 2. TensorFlow框架学习及使用 3. TensorFlow实现卷积神经网络 4. 实战案例5:基于TensorFlow的101类图像识别(Caltech101) 第九课 文本数据分析 (2-3课时) 1. Python文本分析工具NLTK 2. 情感分析与文本分类 3. TensorFlow实现文本深度表示模型Word2Vec 4. 分类与预测模型-- 朴素贝叶斯 5. 实战案例6:搜狐新闻数据分类 第十课 项目实战(2-3课时) 1. 交叉验证及参数调整 2. 特征降维与特征选择 3. 实战案例7:根据日常新闻预测股市动向 4. 课程总结
|
|