【课程特色】
1. 课上采用案例式教学，通俗易懂，课下一对一辅导强化训练，学与练交叉进行强化记忆，你所要做的就是认真听，勤于问，乐于练。
2. 清晰的知识结构，根据应用经验采用最优化授课模式。
3. 内容充沛、详略得当，前后呼应。
4. 讲师资历丰富，具有丰富的实践经验。
5. 知识讲授+贴身案例+场景故事+互动讨论+现场演练+落地跟踪
【课程对象】
【课程时长】2天（6小时/天）
【课程大纲】
Python语言入门 第1个主题： Python语言基础知识（介绍Python语言基础知识，包括Python语言数据类型、基础概念等）
1、 Python语言历史与趋势剖析
2、 Python语言安装
3、 如何运行Python程序
4、 PyCharm开发环境介绍
5、 Anaconda3开发环境介绍（以Anaconda3作为程序演示环境，Python3作为演示语言）
6、 Python语言help()命令
7、 Python基本命令
8、 变量(Variables)
9、 表达式(Expressions)
10、 基本数据类型
11、 字符串与正则表达式
12、 Python条件表达式
13、 循环（loops）
14、 案例实战：正则表达式在爬虫中应用实例
15、 Python数据结构
16、 Python创建数组
17、 Python矩阵运算
18、 Python语言语法结构
19、 案例：Python语言实现运营商数据分析处理
第2个主题： Python函数（深入Python函数的编写语言）
1、 Python函数介绍
2、 数据分析与建模过程
3、 Python语言定义函数规则
4、 Python语言自定义函数
5、 Python匿名函数
6、 Python内置函数
7、 Python函数案例
第3个主题： Python类（class）（深入剖析Python类的原理）
1、 类（class）介绍
2、 Python多重继承
3、 Python不支持函数重载
4、 Class and Instance Variables
5、 Method Objects
6、 Python类编写案例实战
第4个主题： Python异常处理(Exceptions)（深入剖析Python异常处理）
1、 异常处理(Exceptions)简介
2、 Python标准异常类
3、 Python异常类编程案例实战（爬虫实例）
第5个主题： Python模块 (Modules)（深入剖析模块 (Modules)）
1、 Python模块 (Modules)介绍
2、 Python自定义模块
3、 Python模块的导入与添加
4、 Python标准函数库模块
5、 Python第三方模块
第6个主题： Python文件读写（深入剖析Python文件读写）
1、 Python文件读写简介
2、 Python读写方法介绍
3、 Python读写文本文件
4、 Python读写二进制文件
5、 Python读写json文件
6、 Python读写xml文件
第7个主题： Python操作关系型数据库（深入剖析Python操作关系型数据）
1、 Python2安装MySQL Connector
2、 Python3安装MySQL Connector
3、 Python语言操作数据库
4、 Python语言数据库优化
5、 案例：Python语言实现话务数据时间序列建模 案例练习：通过Python语言实现运营商数据分析处理案例的剖析数据分析过程，体会数据分析的难点和要点。
研讨：Python语言实现电网数据分析处理
Python的NumPy模块
1、 NumPy 安装
2、 NumPy Ndarray 对象
3、 NumPy 数据类型
4、 NumPy 数组属性
5、 NumPy 创建数组
6、 NumPy 从已有的数组创建数组
7、 NumPy 从数值范围创建数组
8、 NumPy 切片和索引
9、 NumPy 高级索引
10、 NumPy 广播(Broadcast)
11、 NumPy 迭代数组
12、 Numpy 数组操作
13、 NumPy 位运算
14、 NumPy 字符串函数
15、 NumPy 数学函数
16、 NumPy 算术函数
17、 NumPy 统计函数
18、 NumPy 排序、条件刷选函数
19、 NumPy 字节交换
20、 NumPy 副本和视图
21、 NumPy 矩阵库(Matrix)
22、 NumPy 线性代数
23、 NumPy IO
24、 NumPy Matplotlib 案例练习：通过NumPy的案例的剖析数据分析过程，体会数据分析的难点和要点。
研讨：NumPy的数据处理
Python的Pandas模块
1、 Pandas环境安装配置
2、 Pandas数据结构
3、 Pandas快速入门
4、 Pandas系列
5、 Pandas数据帧（DataFrame）
6、 Pandas面板（Panel）
7、 Pandas基本功能
8、 Pandas描述性统计
9、 Pandas函数应用
10、 Pandas重建索引
11、 Pandas迭代
12、 Pandas排序
13、 Pandas字符串和文本数据
14、 Pandas选项和自定义
15、 Pandas索引和选择数据
16、 Pandas统计函数
17、 Pandas窗口函数
18、 Pandas聚合
19、 Pandas缺失数据
20、 Pandas分组（GroupBy）
21、 Pandas合并/连接
22、 Pandas级联
23、 Pandas日期功能
24、 Pandas时间差（Timedelta）
25、 Pandas分类数据
26、 Pandas可视化
27、 Pandas IO工具
28、 Pandas稀疏数据
29、 Pandas注意事项＆窍门
30、 Pandas与SQL比较 案例练习：通过Pandas使用案例的剖析数据分析过程，体会数据分析的难点和要点。
研讨：Pandas的使用方法
Python机器学习
第1个主题： Python平台下的机器学习开发技术（介绍Python平台下的机器学习开发技术）
31、 Python平台下的数据分析工具
32、 Python平台下的数据分析工具概述
33、 NumPy数据处理
34、 NumPy案例
35、 Scipy数值计算
36、 SymPy符号处理
37、 Matplotlib绘制图表
38、 Pandas数据分析、探索工具
39、 Pandas的DataFrame
40、 DataFrame的构造
41、 StatsModels数据统计建模分析
42、 Scikit-Learn机器学习库
43、 Keras人工神经网络
44、 Keras的设计原则
45、 Gensim文本挖掘库
46、 OpenCV计算机视觉库
47、 案例：Python语言实现基于聚类的图像分割方法 案例练习：通过案例的剖析数据分析过程，体会数据分析的难点和要点。
研讨：Python语言实现基于聚类的图像分割方法
Python机器学习
第1个主题： 聚类模型原理与实现（深入剖析聚类原理以及通过Python语言实现聚类算法模型）
1、 聚类介绍
2、 聚类算法应用场景
3、 聚类算法应用案例
4、 样品间相近性的度量
5、 快速聚类法
6、 快速聚类法的步骤
7、 用Lm距离进行快速聚类
8、 谱系聚类法
9、 类间距离及其递推公式
10、 谱系聚类法的步骤
11、 变量聚类
12、 K-Means(K均值)聚类
13、 均值漂移聚类
14、 基于密度的聚类方法(DBSCAN)
15、 用高斯混合模型（GMM）的最大期望（EM）聚类
16、 凝聚层次聚类
17、 图团体检测(Graph Community Detection)
18、 案例：Python语言聚类实现及绘图
19、 案例：Kmeans应用案例剖析
20、 课堂实操：Python语言实现基于聚类的图像分割方法
第2个主题： 决策树模型原理与实现（深入剖析决策树原理以及通过Python语言实现决策树模型）
1、 决策树介绍
2、 决策树应用场景
3、 决策树应用案例
4、 信息熵
5、 ID3算法
6、 C4.5算法
7、 CART算法
8、 决策树算法
9、 剪枝
10、 过拟合与调参
11、 决策树算法原理
12、 决策树法的决策过程
13、 案例：Python语言实现决策树模型
14、 课堂实操：Python语言实现决策树模型
15、 随机森林 案例练习：通过案例的剖析数据分析过程，体会数据分析的难点和要点。
图表分析和数据可视化
图表和可视化技术可以使数据的展示更为直观，使数据的规律更容易被发现。同时，图表使信息的传递更为快速。
1. Excel常规图表类型及其适用场合
2. 几种加强版分析图表
3. 绘制仪表盘
案例剖析
6、基于数据挖掘技术的精确智能营销
7、基于聚类分析的客户分群
刘晖