C02 利用Python实现大数据分析与数据挖掘技术培训(5天).docx

C02利用Python实现大数据分析与数据挖掘技术培训(5天)

第一篇：C02利用Python实现大数据分析与数据挖掘技术培训(5天)Python实现大数据挖掘技术培训【课程目标】Python已经成为数据分析和数据挖掘的首选语言，作为除了Java、C/C++/C#外最受欢迎的语言。本课程基于Python工具来实现大数据的数据分析和数据挖掘项目。基于业务问题，在数据挖掘标准过程指导下，采用Python分析工具，实现数据挖掘项目的每一步操作，从数据预处理、数据建模、数据可视化，到最终数据挖掘结束，帮助学员掌握Python用于数据挖掘，提升学员的数据化运营及数据挖掘的能力。通过本课程的学习，达到如下目的：1、全面掌握Python语言以及其编程思想。2、掌握常用扩展库的使用，特别是数据挖掘相关库的使用。3、学会使用Python完成数据挖掘项目整个过程。4、掌握利用Python实现可视化呈现。5、掌握数据挖掘常见算法在Python中的实现。【授课时间】5天时间（全部模块讲完需要5天时间，可以根据时间需求拆分内容模块）。【授课对象】业务支持部、IT系统部、大数据系统开发部、大数据分析中心、网络运维部等相关技术人员。【学员要求】课程为实战课程，要求：1、每个学员自备一台便携机(必须)。2、便携机中事先安装好Excel2010版本及以上。3、便携机中事先安装好Python3.6版本及以上。注：讲师现场提供开源的安装程序、扩展库，以及现场分析的数据源。【授课方式】语言基础+挖掘模型+案例演练+开发实践+可视化呈现采用互动式教学，围绕业务问题，展开数据分析过程，全过程演练操作，让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。【课程大纲】第一部分：Python语言基础目的：掌握基本的Python编程思想与编程语句，熟悉常用数据结构的操作1、Python简介2、开发环境搭建Python的安装扩展库的安装3、掌握Python的简单数据类型字符串的使用及操作整数、浮点数4、掌握基本语句：if、while、for、print等基本运算：函数定义、参数传递、返回值5、掌握复杂的数据类型：列表/元组列表操作：访问、添加、修改、删除、排序列表切片、复制等列表相关的函数、方法元组的应用6、复杂数据类型：字典创建、访问、修改、删除、遍历字典函数和方法7、复杂数据类型：集合8、掌握面向对象编程思想创建类、继承类模块9、函数定义、参数传递、返回值10、11、标准库与扩展库的导入异常处理:try-except块演练：基本的Python编程语句第二部分：Python语言与数据挖掘库目的：掌握数据集结构及基本处理方法，进一步巩固Python语言1、数据挖掘常用扩展库介绍Numpy数组处理支持Scipy矩阵计算模块Matplotlib数据可视化工具库Pandas数据分析和探索工具StatsModels统计建模库Scikit-Learn机器学习库Keras深度学习（神经网络）库Gensim文本挖掘库2、数据集读取与操作：读取、写入读写文本文件读写CSV文件读写Excel文件从数据库获取数据集3、数据集的核心数据结构（Pandas数据结构）DataFrame对象及处理方法Series对象及处理方法演练：用Python实现数据的基本统计分析功能第三部分：数据可视化处理目的：掌握作图扩展库，实现数据可视化1、常用的Python作图库Matplotlib库Pygal库2、实现分类汇总演练：按性别统计用户人数演练：按产品+日期统计各产品销售金额3、各种图形的画法直方图饼图折线图散点图4、绘图的美化技巧演练：用Python库作图来实现产品销量分析，并可视化第四部分：数据挖掘基础目的：掌握数据挖掘标准流程1、数据挖掘概述2、数据挖掘的标准流程（CRISP-DM）商业理解数据准备数据理解模型建立模型评估模型应用3、数据挖掘常用任务与算法案例：用大数据实现精准营销的项目过程第五部分：数据理解和数据准备目的：掌握数据预处理的基本环节，以及Python的实现1、数据预处理异常值处理：3σ准则，IQR准则缺失值插补：均值、拉格朗日插补数据筛选/抽样数据的离散化处理变量变换、变量派生2、数据的基本分析相关分析：原理、公式、应用方差分析：原理、公式、应用卡方分析：原理、公式、应用主成分分析：降维案例：用Python实现数据预处理及数据准备第四部分：分类预测模型实战1、常见分类预测的模型与算法2、如何评估分类预测模型的质量查准率查全率ROC曲线3、逻辑回归分析模型逻辑回归的原理逻辑回归建模的步骤逻辑回归结果解读案例：用sklearn库实现银行贷款违约预测4、决策树模型决策树分类的原理