当前位置:首页>>计算机>>下载页面

python数据分析科学实战教程全套132课

python数据分析科学实战教程全套132课
  • 教程大小:4.17GB
  • 教程语言:中文
  • 更新时间:2020-07-12
  • 文件格式:MP4
  • 教程类别:python
  • 视频质量:高清
  • 所需积分:10 分 (注册送积分)
  • 推荐指数:教程推荐星级
  • 来  源:网友上传
  • 解压密码:
  • 用户评论(1)条>>>

下载地址:

 通道一 : 百度网盘  新手?不会下载看这里

教程介绍:

python数据分析科学实战教程(132视频+大数据分析8案例学习+源码素材)。

教程目录
1. 数据科学的概念2. 以示例讲解数据建模和数学建模
3. 数据科学的统计基础4. 面向应用的数据挖掘算法分类
5. 各类算法的适用场景讲解6. 面向应用的分类模型评估
7. Python介绍8. Python基础数据类型和表达式
9. Python原生态数据结构(上)10. Python原生态数据结构(下)
11. Python控制流12. Python函数
13. Python模块的使用14. 描述性统计与探索型数据分析(上)
15. 描述性统计与探索型数据分析(下)16. 描述性方法大全与Python绘图(上)
17. 描述性方法大全与Python绘图(下)18. 统计制图原理
19. 数据库基础20. 数据整合和数据清洗
21. 数据整理22. 课后答疑
23. 第三讲作业-信用卡客户画像 作业讲解124. 第三讲作业-信用卡客户画像 作业讲解2
25. 两变量关系检验方法综述26. 参数估计简介及概念介绍(上)
27. 参数估计简介及概念介绍(下)28. 假设检验与单样本T检验(上)
29. 假设检验与单样本T检验(下)30. 两样本T检验
31. 方差分析32. 相关分析
33. 相关知识点答疑34. 简单线性回归(上)
35. 简单线性回归(下)36. 多元线性回归
37. 课后作业与课程答疑38. 第四讲作业-二手房房价影响因素分析 讲解1背景介绍
39. 作业讲解2描述性分析-1对被解释变量进行描述40. 作业讲解3描述性分析-2对解释变量进行描述1
41. 作业讲解4描述性分析-3对解释变量进行描述242. 作业讲解5建立预测模型-1单变量显著度检验
43. 作业讲解6建立预测模型-2无交互项的线性模型44. 作业讲解7建立预测模型-3有交互项的线性模型和预测
45. 课程答疑146. 线性回归检验(上)
47. 线性回归检验(中)48. 线性回归检验(下)
49. 逻辑回归基础(上)50. 逻辑回归基础(下)
51. 课程答疑252. 第五讲作业-电信客户流失预警 作业讲解1总体介绍
53. 作业讲解2矩估计154. 作业讲解3矩估计2
55. 作业讲解4极大似然估计56. 作业讲解5线性回归的极大似然估计
57. 作业讲解6逻辑回归的极大似然估计58. 作业讲解7模型调优
59. 作业讲解8流失预警模型的调优60. 作业讲解9最近邻域法的参数调优
61. 课前答疑62. 决策树建模思路(上)
63. 决策树建模思路(下)64. 决策树建模基本原理
65. Quinlan系列决策树建模原理-ID366. 06Quinlan系列决策树建模原理-C4.5
67. CART决策树建模原理68. 模型修剪-以CART为例
69. 案例讲解170. 神经网络基本概念
71. 人工神经网络结构72. 感知器
73. 案例讲解274. BP神经网络
75. 课后答疑76. 不平衡分类概述
77. 欠采样78. 过采样
79. 综合采样80. 案例讲解
81. 集成学习概述82. 随机森林
83. Adaboost算法84. 提升树、GBDT和XGBoost
085. 多元统计基础与变量约减的思路086. 主成分分析理论基础1
087. 主成分分析理论基础2088. 主成分分析理论基础3
089. 主成分分析案例1090. 主成分分析案例2
091. 因子分析1092. 因子分析2
093. 稀疏主成分分析094. 变量聚类原理
095. 变量聚类操作096. 答疑1
097. 案例2:精准营销的两阶段预测模型1098. 案例2:精准营销的两阶段预测模型2
099. 案例2:精准营销的两阶段预测模型3100. 案例2:精准营销的两阶段预测模型4
101. 答疑2102. 凸优化基本概念
103. 凸集的概念104. 凸函数
105. 无约束凸优化计算106. 有约束凸优化计算
107. 朴素贝叶斯分类器108. 支持向量机引论
109. 线性可分的支持向量机110. 线性不可分的支持向量机
111. 支持向量机使用案例112. GBDT和分类模型评估(算法角度)
113. GBDT和分类模型评估(算法角度)114. GBDT和分类模型评估(算法角度)
115. GBDT和分类模型评估(算法角度)116. 客户画像与标签体系
117. 客户细分118. 聚类的基本逻辑
119. 系统聚类(上)120. 系统聚类(下)
121. K-means聚类122. 使用决策树做聚类后客户分析
123. 课后答疑124. 智能推荐(上)
125. 智能推荐(下)126. 购物篮分析与运用
127. 关联规则(上)128. 关联规则(中)
129. 关联规则(下)130. 序贯模型
131. 相关性在推荐中的运用132. 答疑

python数据分析

python数据分析

python数据分析


1条评论网友评论:

ID:2877 网友
来学习一下
  验证码(*)   (注:所有评论通过审核后才会被公开。)