时间

主题

内容

第一天

python入门

1、python前言介绍

2、python编程环境搭建

3、python安装包

4、jupyter-notebook的使用

python编程语法基础知识

1、讲解常用数据类型（list、tuple、dict、set)

2、讲解字符串的结构特性，以及处理字符串的案例演示

3、判断、循环、函数编写的语法

实践练习 & 练习讲解

第二天

python oop面向对象编程（上）

1、python面向对象编程--类和实例

2、python面向对象--实例属性可以与众不同

3、python面向对象--self代表实例本身

python oop面向对象编程（下）

1、python面向对象--父类和子类

2、python面向对象--私有变量

3、python面向对象编程程例子介绍

实践练习 & 练习讲解

第三天

numpy模块应用介绍

1、第三方模块的安装方法

2、numpy数组的生成

3、numpy数组的基本属性

4、numpy数组的数据选取

5、numpy数组的数据预处理

6、numpy数组重塑

7、numpy数组合并

8、常用的数据分析函数。

pandas基础操作

1、pandas基础概述

2、pandas筛选数据

3、pandas链接多个表格数据

4、pandas绘图

5、pandas空缺值处理

实践练习 & 练习讲解

第四天

lambda匿名函数

1、lambda1_构建一元一次函数和一元二次函数

2、lambda2_构建几何平均数和调和平均数函数

3、lambda3_邮件名文本输入规范

4、lambda4_sort排序应用

5、lambda5_filter函数筛选奇数或偶数

6、其他处理

map_filter_reduce函数

1、map函数_实现批量计算

2、filter筛选大于平均值的数据

3、reduce函数实现递归计算

SQL语法基础

1、SQL环境配置介绍

2、SQL学习网站介绍_练习脚本下载

3、SQL语法概述

XML存储数据的常用语言

1、XML概述（或html）

2、XML树结构、元素、属性

实践练习 & 练习讲解

第五天

数据分析及可视化（上）

1、Numpy、Pandas、Matplotlib库引用

2、机器学习的定义

3、matplotlib进行数据可视化

4、Sklearn基本概念与使用介绍

5、回归分析

6、KNN算法

第六天

数据分析及可视化（下）

1、朴素贝叶斯算法

2、支持向量机SVM

3、决策树

4、随机森林

5、聚类算法

6、降维（PCA）

7、模型评价（分类模型、回归模型、聚类模型）

学员自我实践

第七天

讲师指导项目实践（一）

1、蒙特卡洛方法计算π

2、散点图--商场手机信号分布

3、饼状图--学生成绩分布

4、Pandas + NumPy--金融股票数据分析

5、波士顿房价数据集的回归分析

6、KNN实现鸢尾花数据集分类

7、使用朴素贝叶斯算法识别中文垃圾邮件

8、SVM--MNIST手写体识别

9、SVM进行简单人脸分类

10、决策树--泰坦尼克号生存预测

第八天

讲师指导项目实践（二）

1、随机森林在乳腺癌数据上的调参

2、葡萄酒数据集的随机森林分类

3、Sklearn实现层次聚类、密度聚类

4、使用聚类算法压缩图像颜色

5、PCA-手写体数字数据集特征降维

6、PCA--人脸识别

7、metrics模块--分类评估、回归评估、聚类评估和交叉验证

8、加州房价模型进行分区房价预测

9、国家GDP与经济发展分类

爬虫入门

1、网络爬虫应用和基本框架

2、python常用爬虫工具库

3、爬取数据在数据库中保存与读取