自从1991 年诞生以来,Python 已经成为最受欢迎的动态编程语言之一,而且这种趋势还在上升(当然还有Perl、Ruby 等等)。许多人一开始接触Python 就爱上了这个语言,这其中也包括我。经常能够看到有网友在论坛里为了哪个软件更好用而争个不停,其实没有最好的软件,因为任何软件都有它的局限性,任何人心里的“最好”都是“合适自己使用”的代名词。所以我不会尝试说服你认为Python 是最合适科学计算和数据分析的工具。
三大 MOOC 提供商(edX、Cousera、Udacity)都提供使用Python 教学的计算机编程入门课程。同时,不同专业领域的教授也都倡导使用 Python 作为入门语言进行教学。
其实我只是想告诉你,Python 是一个既人性化,又优雅,而且单纯的工具。不管你是熟练使用其他软件的程序员/数据分析师,抑或是编程小白,都可以轻松的掌握Python,并使用她进行数据处理和分析,这也是我们这次课程的根本目标——学以致用。
Python讲师简介:阎老师,长期从事数据分析的理论研究、教学和实践工作。
擅长企业数据分析和企业诊断,参与多项、省级课题的科研工作,曾任多家电商企业的运营顾问和培训师,积累了大量实战经验。
教学内容:兼顾应用广泛的Python 2.x与日益兴盛的Python 3.x,从基本的原理和语法格式入手, 教授Python基础内容。教学目的:
深入Python流程控制语句,夯实基础,这部分内容将贯穿课程始终,熟练到就算没有开放的扩展库,自己也能根据公式做模型。1.1 一个概览式的例子1.2 基本语法与数据
教学目的:了解各类函数、参数和变量的区别和联系,能够提升编程质量,使内容更加完善与流畅。
学会使用Python进行更加便捷的数理统计与计量分析,结果更加全面,解释性更强。
迈出数据处理的步,能够识别并处理不清洁的数据,使数据更有利于后续的数据分析与挖掘。
教学目的:学会使用Python固定语句进行回归,合理地构建模型、选择变量、解释结果。5.1 小样本&大样本OLS
5.2 使用虚拟变量5.3 非线 主成分分析(PCA)与因子分析(FA)
能够完爆一个内生性,并使用Python处理内生性,使论文轻松达到“A-level”。
介绍较早的离散选择模型——Logit/Probit模型,这是很多0/1选择问题的主要方法,也是社会学、心理学、经济学、市场营销等统计实证分析的常用方法。教学目的:
时间序列分析的基础,一般的时间序列分析往往都是针对平稳序列,对于一些非平稳序列,也会通过某些变换转成平稳序列来处理。
8.2 ARMA基本逻辑及应用8.3 自回归分布滞后模型8.4 自相关与偏自相关
学会识别经济数据形成的时间序列的平稳性,使用Python进行后续处理、分析与预测,并解释结果。
扫码加我 拉你入群请注明:姓名-公司-职位以便审核进群资格,未注明则拒绝k8凯发集团