2023年1月4日-6日，由北京友万信息科技有限公司主办，顺德职业技术学院承办的，为◥期三天的“Python数据分析↑内训课程”圆满结束。
本次课№程受环境因素影响依旧采用线上直播的方式进行。但是这并☆不影响顺德职业技术学院老师们的学习热情。此次培训为顺德职业技术学院内部定制的高级培训课程，共有五十余人参加，课程内容和效果也受到了参培人员的一致好评。
参培学员好评反馈
主办◆方北京友万信息科技有限公司为参培人员提供了全部的内训课件PPT及专属分析数据。
全部的内训课件PPT及专属分析数据
本次课程由北●京友万信息科技有限公◥司签约讲师：袁铭老师主讲，全面介绍了︾使用Python进行数据分析●所必需的各项知识。包括数据分析的基本流程、Python数据分析环境搭建与Python编程基础、数据分析与统计分析、回归分析、分类与聚类算法、时间序列分析以及机器学习前沿专题等。
所有教学模块均提供实战项目以及高度可复用卐的源代码配套，并且ξ能够与相关课程做到有机结合。通过本课程□学习，学员能够掌握数据分析、数据挖掘的基本过程以及相关核心技术，初步具有数据科学的思维方式，能够从数据分析的角度对社会经济现象进行研究与解释。
本课程的特色有以下三点：
第一，贴近实战的教学模块安排。
本课程将从主ㄨ讲人实际参与企业级数据挖掘的经验出发，从讲解 Python 环境搭建、Python 编程基◤础开始，逐渐过渡到结合实际案例的数据探索与分析。在具有一定积累后，将全面介绍回归、分类、聚类、推荐系统等统计建模与数据挖掘工具。课程最后将对一些数据科学领域的前沿例如集成学习、深度学习等进行介绍。
第二，平缓的♀学习曲线。
课程整体以及课程的每一个教学模⊙块均遵循从易到难的◥教学规律，并设置大量“所见◥即所得”的课堂练习，使参与者能够从学习过程中产生获得感。特别地，主讲人将从自身教学经验出发，化解学员学习过程中的难点与“痛点”，保持学习←热情。
第三，高度可复用的代码模块。
本课程提供↘的教学代码均具有高度可复用性，经过适度修改可以用于绝大部分数ぷ据分析与数据挖掘的实际工作与教学活动。
三天的课程大纲如下：
| 第一天 | 第二天 | 第三天 |
模块 1：数据分析概述 1.1 数据思维 1.2 数据分析流程 1.3 数据分析软件平台简介 1.4 Python 语言简介 模块 2：Python 编程基础 2.1 Python 编程环境搭建 2.2 功能模型介绍与安装 2.3 Python 控制语句 2.4 Python 内置数据结〗构 2.5 Python 的函╲数与类 2.6 Numpy 简介 模块 3：基本的数据分□ 析 3.1 Pandas 概述 3.2 数据导入 3.3 数据筛》选与数据集成 3.4 数据清洗 | 模块 4：统计分析 4.1 基本的描述性统计分析 4.2 分组统计与数据透视 4.3 多元统计分析 4.4 数据可视化基础 4.5 假设检验 模块 5：回归分析 5.1 回归与回归模型 5.2 回归模型的评价与预测 5.3 多元回归模型 5.4 如何处理定性数据 模块 6：统计分类 6.1 分类算法⌒ 概述 6.2 KNN 算法 6.3 Logistics 模型 6.4 决策树模型 6.5 分类模型↓评价 | 模块 7：聚类算法与推荐算法 7.1 聚类算法概述 7.2 Kmeans 算法 7.3 聚类模型性能评价 7.4 推荐算法 模块 8：时间序列分析 8.1 时间序列数据的基本处理 8.2 环比、同比、定基■增长率 8.3 时间序列分解 8.4 时间〖序列预测 模块 9：前沿专题与教学经验分ζ享 9.1 集成学习 9.2 神经网络模型 9.3 教学经验分享 |
第一天的课程首先讲解了6个基本模块：Python编程环境搭建、功能模块安装、Python控制语句、Python内置数据结构、Python的函数♂与类、Numpy简介。
模块内容简介
从基⌒ 础模块开始，培养大家的获得感，让参培人员更有兴趣持续学习。如果你不熟悉编程也没问题，这里用到的大多数内容是程序的调用，而非深度编程，简单易学。
接下来进入第一部分：基本的数ㄨ据分析，主要分为Pandas简介；数据导入；数据筛选与数据集■成；缺失值』处理。
讲解这部分的时候，袁老师还强调了他自己的个人使用窍门，把所有的数据，放在同一个电脑盘中，方便查找使用。同时表示这里涉及的代码，最好是自己手动敲一遍，增加熟悉度。
基本的数据【分析
第二部分讲解了基本的统计分析。这部分内容可以和统计学原理，完美结合。包括数据的频数分析；集中趋势分析；离散程度分析；分布以及一些基本的统计图形。
基本的数据分析
第三部∏分讲解了基本※的时间序列分析。包含频率转换；环比、同比与定基；环比、同比与定基增长率；时间序列的预测；Holt-winters方法；ARIMA模型；其他的时间序列预测包。
基本的时间序列分析
第四部分讲解了回归㊣ 分析。包括Statsmodel包中的回归分析；多元线性回归模型；Sklearn中的回归分析；回归模型的预测；回归模型的评价。
回归分析
第五部分讲解了统计分类。典型▓的分类算法有：logistic回归、决策树、朴素贝叶斯、kNN
统计分类
第六部分讲解了聚类算法与推荐系统。包括：聚类分析；聚类算法。
聚类算法与推荐系统
第七部分讲解了集成学习。包含集成学习的含义；集成学习的分类；学习器的方々差、偏差和〓误差；随机森林等内容。
集成学习
最后一部分讲解的是神经网络模型。包括人脑与神经网络；感知器；人工神经网络；激活函数；神经网络模型的训练；人工神经网络的实现。
北京友万信息科技有限公司作为中国大陆领先的〖教育和科学软件分销商，已在中国300多所【高校建立了可靠的分销渠道，拥有最成功的教学资源和数据管理专家。友万科技将继续努力帮助国内高校建立科学领先的教育体系，熟练运用基本功学习高效的科研方法，并能够有效地推广科学软件，同时向中国用户提供高质量的客户支持和□培训服务。合作热线: 010-56548231
热门链接
专注分享商业数据分析、金融数据▓分析、应用统╳计分析、知识图谱、机器学习、计量经济、人工智能、网络爬虫、自☆动化报告与可重复研究等热门技术内容。定向培养Stata、Python、Minitab、R语□ 言数据人才，助力产学研政企商协同发展，为中国大数据产业蓄能。合作热线：010-56548231 邮箱：info@uone-tech.cn
