Python编程基础与Pandas数据分析

数据分析的武器库、数据分析工具Python介绍、Python的基本数据类型与数据结构、Python的程序控制、Python的函数与模块、使用Pandas读取结构化数据、描述性统计与探索型数据分析、Pandas高级：分组汇总及交叉表、使用Python绘制统计图形、Pandas数据整合与数据清洗

使用Python进行网络爬虫

网络爬虫基础知识、网络请求及响应-requests库、HTML文档解析-BeautifulSoup库、常见反爬虫机制及应对、网络爬虫 VS 网络数据抓取、实战1：批量替换头像、实战2：抓取豆瓣书籍简介、实战3：模拟浏览器selenium抓取电商商品信息及评论

Python进行统计分析和回归分析

使用Python SQL进行数据整合、使用Python进行描述性统计分析、使用Python进行数据清洗、使用Python进行数据分组与抽样、使用Python进行统计推断、使用线性回归做客户价值预测、使用逻辑回归构建初始信用评级、案例1：RFM分析方法获取客户消费行为信息、案例2：转化漏斗与A/B Test

Python进行降维分析

连续变量关系和探索变量压缩：主成分因子分析、对应分析方法、多维尺度分析方法、案例1：经济数据降维与聚类分析、案例2：用户特征与消费行为对应分析、案例3：美国城市地理位置分析、案例4：iris数据聚类-结合降维与数据预处理

Python时间序列和综合案例分析

时间序列分析简介、时间序列模型介绍-AR和MA、平稳的时间序列模型-ARMA、非平稳的时间序列模型-ARIMA、 BOX-JENKINS建模流程、案例：量化投资行业时间序列分析、寻找模型、干预分析模型-ARMAX、企业案例1：电信公司网络咨询电话呼入人数预测、企业案例2：Google 关键字之Python 趋势预测

Python数据可视化

绘图思想的基本原理、Python数据可视化包-Matplotlib介绍、使用Matplotlib进行基本的图形绘制、使用Python数据处理包Pandas做可视化、Python数据可视化包-Seaborn与图形绘制、Python数据可视化包-Pyecharts与图形绘制、使用Python进行地图绘制-Pyecharts

Python数据挖掘基础及数据前处理技术

R语言数据挖掘简介、数据挖掘方法论CRISP-DM介绍、数据挖掘技术概述、数据前处理方法、关键变量发掘技术

Python实现预测型数据挖掘技术

初级分类器KNN算法与Python实现、朴素贝叶斯分类算法原理与实现、决策树建模思路与原理、高级分类器-支持向量机算法、神经网络算法原理与实现、集成学习：Bagging、Boosting、随机森林、案例1：使用决策树进行初始信用评级、案例2：使用神经网络预测销量高低、案例3：使用支持向量机进行水色图像的水质评价

Python进行描述性数据挖掘技术

聚类算法的概述、聚类算法基本概念、案例：通信客户业务使用偏好聚类、关联规则的一些基本概念、关联规则Ariori算法的原理与Python实现、关联规则FP-growth算法、序列模式的简介与概念、序列模式AprioriAll算法与Python实现、基于用户和商品的的协同过滤算法