数据挖掘,市场研究,统计应用专业人士,国内知名的SPSS专业人士和培训师,多本软件教材、数据分析与挖掘专著的作者。 曾在复旦大学公共卫生学院任教数载,其教学以讲解深入浅出,重点突出,简明易懂为最大特色。 精通业内广泛使用的SAS、SPSS、Modeler、R、Python等数据分析/挖掘工具,拥有近20年的数据分析/统计软件商业培训经验。是国内知名的SPSS培训师,曾作为SPSS官方培训师,从2001年起一手协助SPSS中国建立其统计培训体系 。 主编SPSS、SAS等统计软件教材10本,其SPSS教材被教育部评为2003-2004年度教育部研究生推荐教材,后续版本被国内外三百多所高校选用为本科生/研究生教材。
玩转Pandas:数据管理平台Pandas的使用。玩转数据可视化:数据可视化工具matplotlib+seaborn的使用。玩转Python统计分析:常用统计描述与假设检验方法的Python实现。
Pandas包是基于Python平台的数据管理利器,已经成为了Python进行数据分析和挖掘时的数据基础平台和事实上的工业标准,学习其使用方法,是使用Python进行数据分析和数据挖掘的必备条件。本课程将从中国高校综合排名和北京PM2.5实测数据两个实际案例出发,在实战中学习Pandas包的使用方法。学习完本课程后,学员将能够独立使用Pandas包完成数据读入、数据清理、数据准备方面的工作,学习如
matplotlib包是基于Python平台的统计绘图利器,是在python平台上完成数据可视化不可或缺的工具,而基于matplotlib进一步开发的seaborn,更是将数据呈现与可视化的可用性推到了一个新的高度, pandas + matplotlib + searborn已经构成了数据管理与可视化的一套完整环境。本课程将从中国消费者信心指数项目这一实际案例数据的可视化需求出发,在实战中学习m
以真实商业案例为数据基础,课程内容围绕scipy.stats和statsmodels包的相关功能展开,从统计分析实战的角度出发详细介绍了如何在Python中完成数据描述、t检验、单因素方差分析、卡方检验、相关回归等统计分析操作。通过本课程的学习,学员将深入学习如何正确考察这些方法的适用条件,正确选择所需的方法加以应用,从而既满足了相关统计分析功能的需求,又为进一步学习statsmodels包中的复
玩转统计模型:各种复杂统计分析模型在statsmodels+sklearn中的实现。数据挖掘入门:从理论高度介绍数据挖掘方法体系。玩转数据挖掘:数据挖掘完整流程在sklearn中的实现。
注意:本课程为分析理念入门课程,不提供课件PPT下载,对此介意的学员请勿购买。【课程简介】数据挖掘来源于数据分析,但又完全不同于数据分析,那么他们之间究竟有怎样的联系与区别,数据挖掘和当下很热的大数据之间又有着怎样的联系?数据挖掘在企业中的实际应用是怎样的?又出现过哪些让人哭笑不得的案例呢?CRISP-DM作为最成功的数据挖掘方法论,如何应用呢?如何评估一个数据挖掘项目的实施效果,作为动辄数万数十
系统介绍方差分析模型、回归模型、logistic回归等各种经典统计模型,以及树模型、神经网络、支持向量机、最近邻方法等各种现代数据挖掘模型的算法原理,模型优缺点,适用条件及考查方式,并学习这些模型在sklearn和statsmodels中的具体实现方法。本课程为统计原理与操作并重,在详细阐明各种模型算法特点的基础上,再对这些方法的python实现进行学习。学习完本课程后,学员将能够独立使用skle
Sklearn是python用于数据挖掘以及机器学习的利器,但是其功能庞杂,初学者很难理清脉络,快速学习其应用精髓。本课程以以CRISP-DM为理论指导,系统介绍了sklearn在数据挖掘/机器学习各个环节的功能实现,从数据挖掘实战的角度出发详细介绍如何在sklearn中完成数据预处理、数据降维、数据建模、模型评估等各种操作,并突出特征选择、模型调参,模型集成等在数据挖掘实战环境中的重要课题。学习
玩转文本挖掘:文本挖掘(自然语言处理)在word2vec,gensim中的实现。 玩转深度学习: CNN、RNN、LSTM等深度学习模型Keras+Tensorflow环境下的实现。
请至PC端网页下载本课程代码学习资料及数据。文本挖掘(TM),又称自然语言处理(NLP),是AI时代炙手可热的数据分析挖掘前沿领域,其所涉及的人机对话系统,推荐算法,文本分类等技术在BAT等企业中都得到广泛应用。本课程将使用经典武侠小说、大众点评抓取结果、微博语料数据等多个实际案例进行教学。本次课程将会从基本的分词、词袋模型、分布式表示等概念开始,多面介绍文k8凯发官网本挖掘技术的各个方面,特别会针对目前最热
系统、多面的介绍卷积神经网络、循环神经网络、长短期记忆网络等深度学习算法的原理,优缺点,并学习这些模型在python( Keras+Tensorflow)环境下的实现方法。本课程为统计原理与操作并重,在详细阐明各种模型算法特点的基础上,再对这些方法的python实现进行学习。学习完本课程后,学员将能够独立使用Keras+Tensorflow拟合神经网络、CNN、RNN、LSTM等各种深度学习模型,
基于真实案例,深入讲解数据挖掘与分析模型在各个行业中的具体应用,课程提供全部函数工具和源代码,可直接作为同类业务场景的分析模板加以使用。
注意:1. 本行业案例课程为Python 3 数据分析系列课程的行业案例部分,学员请务必先观看课程介绍免费视频,确认已学习本课程所需Python分析技能。2. 本课程的核心目的是协助学员学习具体业务场景下的解决方案,为降低学员学习难度,课程中均尽量使用简明易懂的代码进行数据整理和模型实现,没有出现任何晦涩高深的代码,并尽量基于pandas、sklearn等标准包接口编程。故此希望看到笔者在课程中炫
注意:1. 本行业案例课程为Python 3 数据分析系列课程的行业案例部分,学员请务必先观看课程介绍免费视频,确认已学习本课程所需Python分析技能。2. 本课程的核心目的是协助学员学习具体业务场景下的解决方案,为降低学员学习难度,课程中均尽量使用简明易懂的代码进行数据整理和模型实现,没有出现任何晦涩高深的代码,并尽量基于pandas、sklearn等标准包接口编程。故此希望看到笔者在课程中炫
注意:1. 本行业案例课程为Python 3 数据分析系列课程的行业案例部分,学员请务必先观看课程介绍免费视频,确认已学习本课程所需Python分析技能。2. 本课程的核心目的是协助学员学习具体业务场景下的解决方案,为降低学员学习难度,课程中均尽量使用简明易懂的代码进行数据整理和模型实现,没有出现任何晦涩高深的代码,并尽量基于pandas、sklearn等标准包接口编程。故此希望看到笔者在课程中炫
注意:1. 本行业案例课程为Python 3 数据分析系列课程的行业案例部分,学员请务必先观看课程介绍免费视频,确认已学习本课程所需Python分析技能。2. 本课程的核心目的是协助学员学习具体业务场景下的解决方案,为降低学员学习难度,课程中均尽量使用简明易懂的代码进行数据整理和模型实现,没有出现任何晦涩高深的代码,并尽量基于pandas、sklearn等标准包接口编程。故此希望看到笔者在课程中炫