大數(shù)據(jù)分析挖掘與可視化最佳實(shí)踐培訓(xùn)班

時(shí)間

知識(shí)模塊

授課內(nèi)容

第一天

上午

數(shù)據(jù)分析實(shí)戰(zhàn)

第一講 零基礎(chǔ)學(xué)Python

講解Python背景、國(guó)內(nèi)發(fā)展?fàn)顩r、基礎(chǔ)語(yǔ)法、數(shù)據(jù)結(jié)構(gòu)及繪圖操作等內(nèi)容。特別針對(duì)向量計(jì)算這塊，著重介紹Python在這方面的優(yōu)勢(shì)及用法。

第二講 數(shù)據(jù)分析方法論

講解統(tǒng)計(jì)分析基礎(chǔ)，包括統(tǒng)計(jì)學(xué)基本概念，假設(shè)檢驗(yàn)，置信區(qū)間等基礎(chǔ)，并結(jié)合數(shù)據(jù)案例說(shuō)明其使用場(chǎng)景和運(yùn)用方法。介紹數(shù)據(jù)分析流程和常見分析思路，并結(jié)合案例進(jìn)行講解。

第三講 數(shù)據(jù)處理技法

從數(shù)據(jù)接入、數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)轉(zhuǎn)換等幾個(gè)方面進(jìn)行講解。數(shù)據(jù)接入包含接入MySQL、Oracle、Hadoop等常見數(shù)據(jù)庫(kù)操作；數(shù)據(jù)統(tǒng)計(jì)包含Pandas包的具體用法和講解；數(shù)據(jù)轉(zhuǎn)換包含對(duì)數(shù)據(jù)集的關(guān)聯(lián)、合并、重塑等操作。此外，針對(duì)海量數(shù)據(jù)的情況下，介紹在Spark平臺(tái)上的數(shù)據(jù)處理技術(shù)，并結(jié)合真實(shí)環(huán)境進(jìn)行操作講解。

第一天

下午

數(shù)據(jù)挖掘理論及核心技術(shù)

第四講 認(rèn)識(shí)數(shù)據(jù)挖掘

講解數(shù)據(jù)挖掘基本概念，細(xì)致講解業(yè)務(wù)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、建立模型、模型評(píng)估、模型部署各環(huán)節(jié)的工作內(nèi)容及相關(guān)技術(shù)；結(jié)合業(yè)界經(jīng)典場(chǎng)景，講解數(shù)據(jù)挖掘的實(shí)施流程和方法體系。

第五講 數(shù)據(jù)挖掘核心技術(shù)

細(xì)致講解抽樣、分區(qū)、樣本平衡、特征選擇、訓(xùn)練模型、評(píng)估模型等數(shù)據(jù)挖掘核心技術(shù)原理，并結(jié)合案例講解其具體實(shí)現(xiàn)和用法。尤其針對(duì)樣本平衡，重點(diǎn)講解人工合成、代價(jià)敏感等算法；針對(duì)特征選擇，重點(diǎn)講解特征選擇的核心思路，并結(jié)合Python進(jìn)行案例演示。

第二天

上午

大數(shù)據(jù)算法原理及案例實(shí)現(xiàn)（1）

第六講 特征降維算法及Python實(shí)現(xiàn)

降維是大數(shù)據(jù)分析非常重要的算法，它可以在降低極少信息量的情況下，極大地縮小數(shù)據(jù)規(guī)模。主要講解主成分、LDA以及t-SNE原理，并結(jié)合案例進(jìn)行Python實(shí)現(xiàn)。特別地，針對(duì)海量數(shù)據(jù)情況下的應(yīng)用場(chǎng)景，講解實(shí)現(xiàn)思路和Python案例。

第七講 決策樹算法及Python實(shí)現(xiàn)

決策樹是非常經(jīng)典的算法，一般常見于小數(shù)據(jù)的挖掘。由于決策樹具有極強(qiáng)的可解釋性，針對(duì)海量數(shù)據(jù)仍然是非常重要的實(shí)用價(jià)值。主要講解ID3、C4.5、C5.0以及CART決策樹算法的實(shí)現(xiàn)原理，并結(jié)合案例進(jìn)行Python實(shí)現(xiàn)。

第八講 好萊塢百萬(wàn)級(jí)影評(píng)數(shù)據(jù)分析與電影推薦實(shí)現(xiàn)

實(shí)戰(zhàn)部分：基于好萊塢百萬(wàn)級(jí)的影評(píng)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行建模、清洗、透視表操作。然后根據(jù)用戶畫像分析不同的用戶喜好通過(guò)機(jī)器學(xué)習(xí)算法對(duì)不同性別、年齡階段的用戶進(jìn)行定制化的電影推薦，最后把推薦的電影進(jìn)行可視化的展示操作

第二天

下午

大數(shù)據(jù)算法原理及案例實(shí)現(xiàn)（2）

第九講 因果推理算法及Python實(shí)現(xiàn)

大數(shù)據(jù)分析技術(shù)可以幫助我們?nèi)グl(fā)現(xiàn)、解決一些業(yè)務(wù)問(wèn)題，然而如何去判斷我們的改進(jìn)是否生效，是否在業(yè)務(wù)指標(biāo)上呈現(xiàn)過(guò)一定的因果邏輯，則是一個(gè)重要問(wèn)題和分析方向。本節(jié)主要介紹因果推理算法，包括貝葉斯推理、狀態(tài)空間模型以及CausalImpact工具等內(nèi)容，并結(jié)合案例進(jìn)行Python實(shí)現(xiàn)。

第十講 深度學(xué)習(xí)算法及Python實(shí)現(xiàn)

對(duì)于大數(shù)據(jù)的建模任務(wù)，我們可以基于深度學(xué)習(xí)來(lái)實(shí)現(xiàn)，不僅能夠針對(duì)海量數(shù)據(jù)進(jìn)行建模，其效果也非常不錯(cuò)。本節(jié)主要講解深度學(xué)習(xí)的發(fā)展歷程，DBN、DNN等經(jīng)典深度學(xué)習(xí)算法，深度學(xué)習(xí)優(yōu)化算法以及一些技巧。同時(shí)，介紹Keras、OpenCV庫(kù)的使用方法，并結(jié)合案例進(jìn)行Python實(shí)現(xiàn)。

第十一講 采用OpenCV實(shí)現(xiàn)計(jì)算機(jī)視覺技術(shù)

實(shí)戰(zhàn)部分：基于OpenCV面部模型，完成對(duì)圖片和視頻的人臉識(shí)別，實(shí)戰(zhàn)中會(huì)講解OpenCV的重要類和函數(shù)。主要內(nèi)容包括OpenCV庫(kù)的安裝和部署、圖像增強(qiáng)、像素操作、圖形分析等各種技術(shù)，并且詳細(xì)介紹了如何處理來(lái)自文件或攝像機(jī)的視頻，以及如何檢測(cè)和跟蹤移動(dòng)對(duì)象。

第三天

上午

Python應(yīng)用實(shí)戰(zhàn)（一）

第十二講 Python自然語(yǔ)言處理原理及案例

目前文檔數(shù)據(jù)已經(jīng)成為很多企業(yè)重要的資產(chǎn)，通過(guò)對(duì)文檔數(shù)據(jù)進(jìn)行解析、建模、分析、挖掘、可視化，我們能夠發(fā)現(xiàn)不一樣的洞察。本節(jié)主要講解自然語(yǔ)言處理基本概念和技法，包含分詞、關(guān)鍵字提取、文摘提取、文本分類、主題模型、word2vec等內(nèi)容。介紹在深度學(xué)習(xí)的加持下，與傳統(tǒng)做法的區(qū)別，并使用Python進(jìn)行案例講解。

第十三講 數(shù)據(jù)分析圖表及Python案例

數(shù)據(jù)可視化是大數(shù)據(jù)分析的重要手段，通過(guò)合理地使用圖表，不僅可以簡(jiǎn)潔地表達(dá)數(shù)據(jù)的含義，高效地發(fā)現(xiàn)問(wèn)題，還可以為報(bào)告的編寫以及數(shù)據(jù)分析web應(yīng)用增色不少。本節(jié)主要講解常用的數(shù)據(jù)分析圖表及其使用場(chǎng)景，介紹數(shù)據(jù)可視化的方法論，避免生搬硬套的使用圖表，針對(duì)不同的業(yè)務(wù)場(chǎng)景和需求，合理選擇可視化方法。介紹的工具不限于matplotlib、pycha、pyecharts、ggplot、Bokeh、HoloViews、mpld3、plotly、pygal等常用可視化庫(kù)。

第三天

下午

Python應(yīng)用實(shí)戰(zhàn)（二）

第十四講 使用Notebook編寫數(shù)據(jù)分析報(bào)告

數(shù)據(jù)分析報(bào)告在大數(shù)據(jù)分析過(guò)程中具有重要價(jià)值，它體現(xiàn)了大數(shù)據(jù)分析的目的、過(guò)程和結(jié)果，以及對(duì)發(fā)現(xiàn)問(wèn)題的解讀、改進(jìn)方案等等，本節(jié)主要講解使用Notebook編寫數(shù)據(jù)分析報(bào)告的具體方法，以及編寫數(shù)據(jù)分析報(bào)告的方法論，并結(jié)合案例講解其用法。

第十五講 Seaborn可視化開發(fā)實(shí)戰(zhàn)

Seaborn是一款不錯(cuò)的可視化框架，它和 Pandas一樣是建立在 Matplotlib 之上的?？梢曰?span lang="EN-US">Seaborn快速開發(fā)一個(gè)輕量級(jí)的數(shù)據(jù)分析web應(yīng)用。在網(wǎng)頁(yè)中嵌入圖表、數(shù)據(jù)以及分析的算法，非常適合打造企業(yè)內(nèi)部的敏捷數(shù)據(jù)分析工具集。本節(jié)主要介紹Pie、Scatter、Radar等等各種可視化解決方案，同時(shí)講解一個(gè)用Seaborn實(shí)現(xiàn)數(shù)據(jù)分析功能（兼圖表）的實(shí)際案例，搭建服務(wù)器，在企業(yè)內(nèi)部實(shí)現(xiàn)輕量級(jí)數(shù)據(jù)分析應(yīng)用。