留下您的需求

Python智能数据分析前沿技术与应用案例

2023年4月8日-4月14日

数据科学

第23期 python智能数据分析

已超过2000+ 学员学习
课程意义 :

Python智能数据分析指采用机器学习、深度学习等人工智能技术开展领域数据分析，是大数据人工智能时代的核心技术，也是目前学术界和工业界的热点研究方向。

Python是目前最流行的数据分析和机器学习编程语言，其在科学计算、机器学习及深度学习领域的得到了广泛应用，并应用到各专业领域，因为其开源特性，互联网存在大量Python实现的各领域最新算法方便我们查找和使用。

掌握Python智能数据分析编程技术的人才在市场上炙手可热，Python语言编程教育将很快成为各高校的必修课。

Python是教师和科研工作者开展科学研究的高效工具，将智能数据分析计算与科研工作结合可以产出创新成果。

为加强数据分析的创新发展和技术应用，打造Python智能数据分析专业技术人才队伍，雷课将特别邀请在Python数据分析学术和研发领域一线专家，举办《Python智能数据分析前沿技术与应用案例》高级培训班。

课程目标:

学习Python语言开展智能数据分析全流程，包含网络数据爬虫、数据清洗转换、数据统计分析、机器学习与数据挖掘分析、数据可视化等步骤。

通过20个不同领域场景（金融、企业、医疗、电商、影评、房产等）的应用案例实践，掌握利用Python来解决日常科研工作和项目实施中智能数据分析类问题的基本方法。。

学习了解数据分析相关前沿技术，包括大数据、深度学习、图像识别、自然语言处理等。

通过课题梳理的知识点体系，结合本专业特点，辅助形成适合自己本学科的Python智能数据分析教学大纲。

适合人群:

1  各高等院校人工智能、数据科学、经济管理、信息管理、财务管理、统计分析相关学科；计算机、网络通信、自动化、电子工程、数理统计、电子商务、物联网工程、物流管理、信息与计算科学专等科研、教学带头人，骨干教师、博士生、硕士生；

2  从事人工智能，计算机、数据科学、互联网等相关领域的科研院所的项目负责人、科研人员、工程技术人员；

3  各地方政府信息中心负责人、技术骨干；

4  人工智能，数据科学，互联网产业投资团队，应用开发商，服务提供商等；

5  有志于数据分析，机器学习研究和应用的从业者。

时间 主题 大纲
第一天 Python数据分析三剑客（numpy、pandas、matplotlib）及应用案例 1.科学计算库numpy（Jupyter Notebook编写python程序）
1)numpy是高效的矩阵数据处理库，为Python其他库的基础；学习多维数组数据结构ndarray、数组运算
2)ufunc适用于多维数组的常用数学函数
3)基于Numpy的图像处理案例
2.数据分析工具pandas（Jupyter Notebook编写python程序）
1)pandas提供类似Excel的数据处理及高级分析功能，学习数据结构Series和DataFrame及其相关操作
2)pandas数据预处理、合并、分组、数据重塑、时序分析等
3.可视化分析matplotlib（Jupyter Notebook编写python程序）
1)可视化图表的基本元素及图形属性设置
2)常见类型绘图：点线图、直方图、散点图、热力图、箱型图
4.应用案例 （Jupyter Notebook编写python程序）
Case1:电影数据分析与可视化Pandas与Matplotlib案例
Case2:COVID-19疫情数据分析
第二天 Python网络爬虫数据采集技术及应用案例 1.网络数据爬虫基本原理（PPT介绍，网页示例）
1)爬虫基本概念 2)网络传输协议HTTP与URL
2)网页组成HTML+CSS+JavaScript
2.网页数据下载与解析（Jupyter Notebook编写python程序）
1)网页请求：如何构建请求URL、使用requests库请求数据
2)网页解析：如何解析网页、使用BeautifulSoup库解析数据
3.高级爬虫应用技术（Jupyter Notebook编写python程序）
1)如何爬取动态网页
2)如何应对网站的反爬机制
4.应用案例（Jupyter Notebook编写python程序）
Case3:链家租房信息采集案例，静态网页数据抓取，利用BeautifulSoup解析列表数据
Case4:社交网站评论抓取案例，动态网页数据抓取，利用BeautifulSoup解析表格数据
Case5:上市公司信息抓取案例，如何应对网站的反爬机制，利用API请求批量下载pdf文件
第三天 Python机器学习理论基础与scikit-learn编程应用案例 1.人工智能基本概念，机器学习的基本处理流程与关键技术（PPT介绍）
1)基本理论、基本流程、特征表示、常见算法、模型评价
2.scikit-learn主要编程方法简介（Jupyter Notebook 编写Python代码）
1)分类、回归、聚类、数据降维、模型选择、数据预处理
2)Scikit-learn基本流程编程练习
3.应用案例（Jupyter Notebook 编写Python代码）
Case6:医疗健康疾病预测案例
Case7:企业员工离职预测分析案例
第四天 Python机器学习算法进阶及应用案例 1.机器学习算法深度解析及练习（Jupyter Notebook 编写Python代码）
1)特征选择方法、模型超参选择方法介绍及编程练习
2)SVM算法介绍及编程练习
3)决策树、随机森林算法介绍及编程练习
4)回归算法介绍及编程练习
5)聚类算法介绍及编程练习
2.应用案例（Jupyter Notebook 编写Python代码）
Case8:关联挖掘：糖尿病关联因素分析案例
Case9:成年人收入水平分类案例
Case10:时序数据分析：电力消耗预测案例
Case11:商品购买量预测
Case12:房价预测回归算法对比分析
第五天 Python深度学习理论基础与图像识别应用案例 1.深度学习理论基础（PPT介绍）
1)神经元模型、感知机模型、多层神经网络
2)卷积神经网络、生成对抗网络、强化学习网络
3)常用深度学习框架TensorFlow、PyTorch、Keras
2.应用案例：（Jupyter Notebook 编写Python代码）
Case13:手写体识别深度学习案例，对比实现传统神经网络和卷积神经网络在图像处理的分类应用
Case14:时尚物品识别分类案例，学习如何提高准确率、防止过拟合与数据增强训练
第六天 Python深度学习前沿技术与自然语言处理应用案例 1.Python深度学习前沿技术（PPT介绍）
1)注意力机制模型
2)预训练语言模型
3)知识图谱
4)图神经网络
2.自然语言处理关键任务及常用算法知识点解析（PPT介绍）
1)文本表示：中文分词、实体识别、主题模型、词向量
2)文本分类：传统分类方法、深度学习方法（CNN、RNN/LSTM）
3.应用案例（Jupyter Notebook 编写Python代码）
Case15:搭建一个客服问答机器人，学习如何将文本数据转换成数字向量，利用模型解决相似问题匹配。
Case16:垃圾短信智能识别案例，分别采用传统分类方法和深度学习方法实现，学习使用深度学习序列模型解决文本处理问题，对比练习欠拟合与过拟合模型。
第七天 Python深度学习前沿技术与自然语言处理应用案例 Case17: 课程实践：航空公司客户价值分析案例（Jupyter Notebook 编写Python代码）
1)数据可视化探索
2)特征选择与构建
3)聚类算法在客户价值分析中的应用
Case18:课程实践：市财政收入分析预测（Jupyter Notebook 编写Python代码）
1)数据预处理方法
2)多重共线性数据的特征选择与构建
3)时序数据与灰色预测模型
Case19:课程实践：股票信息采集与分析（Jupyter Notebook 编写Python代码）
1)多页表格数据的网络请求分析与URL构造
2)股票信息采集与解析
3)时间序列分析模型构建与可视化分析
Case20:课程实践：豆瓣影评采集与分析（Jupyter Notebook 编写Python代码）
1)多页文本数据的网络请求分析与URL构造
2)豆瓣影评采集与解析
3)好评差评词云图绘制分析

刘老师

中国科学院软件研究所副研究员、硕士生导师，中国科学院青年创新促进会会员

作为负责人承担国家自然科学基金项目和国家重点研发计划课题，并作为骨干参与多个国家和部委科研项目。
在大数据挖掘分析平台及优化关键技术方向，研究大数据分析开发环境、大数据分布式系统优化、自动化机器学习等，研制可视化大数据分析平台，在医疗、科学大数据领域应用。在知识图谱与语义计算方向，研究知识图谱构建管理、问答系统等，在民航领域和法律领域开展应用。
在国内外著名学术期刊和会议（如CIKM、ICSME、DASSFA）发表论文30 余篇，获得发明专利4 项。

马老师

中国科学院软件研究所高级工程师

主要研究方向为文本语义分析、数据挖掘。
在大数据智能分析和数据集成中间件领域进行长期的技术攻关、系统研发、系统应用等工作，参与多项国家科研项目和企业合作项目，取得较好的科研成果，积累丰富的经验。
产品已经在政务、军工、教育、医疗、法律等多个行业和领域进行了成功应用。
合作企业：京东、中航信、华为等。在国内外期刊会议发表论文10余篇，获得国家发明专利1项。