本課程全面地介紹數據分析的流程和Python數據分析庫的應用及機器學習。涵蓋NumPy數值計算、Matplotlib數據可視化、pandas統計分析、使用pandas進行數據預處理、機器學習及使用scikit-learn構建模型。同時也有大量的實操練習，鞏固學習效果。

一章：Python數據分析概述
1．數據分析的概念、流程、應用場景
2．數據分析常用的工具、python數據分析的優勢、常用類庫的介紹
3．Jupyter Notebook的安裝及使用
第2章：Numpy數值計算基礎
1．ndarray的創建、訪問、常用屬性
2．矩陣的創建
3．通用函數ufunc
4．廣播機制
5．數學知識
6．簡單統計分析，讀寫文件、排序、去重、常用統計函數
第3章：Pandas統計分析基礎
1．Series常用操作
2．DataFrame常用操作
3．讀寫不同數據源
4．數據過濾與轉換
5．時間序列操作
6．分組與聚合
7．透視與交叉表
第4章：利用pandas進行數據預處理
1．合并數據，堆疊合并、主鍵合并、重疊合并
2．清洗數據，處理重復值、缺失值、異常值的處理
3．標準化數據，離差標準化、標準差標準化、小數定標標準化
4．轉化數據，類別型特征處理為啞變量，連續性特征離散化處理
第5章：數據可視化
1．數據可視化概述
2．常用圖表，如柱狀圖、餅狀圖、直方圖、箱線圖等的介紹
3．matplotlib繪圖基礎，如基礎語法、rc參數、標簽刻度、子圖等
4．matplotlib繪圖實戰
5．pandas繪圖實戰
第6章：機器學習與挖掘建模
1．機器學習概述
2．機器學習分類
3．機器學習流程
4．機器學習評估
5．經典機器學習算法原理剖析，如knn、kmeans、樸素貝葉斯、決策樹、線性回歸、邏輯回歸、支持向量機、關系分析等
6．關聯規則算法
7．時序模式
8．物體推薦算法
9．使用sk-learn建模，包括數據集劃分、數據預處理、模型訓練、模型評估等
第7章：數據分析與挖掘實戰案例
1．招聘網站需求分析
2．航空公司客戶價值分析
3．財政收入預測分析
4．二手房房價分析

掌握數據分析的流程
掌握python數據分析核心庫的使用，如numpy、pandas、matplotlib
了解常用數據分析（挖掘）算法的原理，熟悉機器學習的各個環節，并能利用相應的算法建模
熟練使用sk-learn進行數據挖掘