随着机器学习的兴起，Python逐步成为了「**」的语言。它简单易用、逻辑明确并拥有海量的扩展包，因此其不仅成为机器学习与数据科学的**语言，同时在网页、数据爬取、科学研究等方面成为不二选择。

1.每个算法模块按照“原理讲解→分析数据→自己动手实现→特征与调参”的顺序。

2.“Python数据清洗和特征提取”，提升学习深度、降低学习坡度。

3.增加网络爬虫的原理和编写，从获取数据开始，重视将实践问题转换成实际模型的能力，分享工作中的实际案例或Kaggle案例：广告销量分析、环境数据异常检测和分析、数字图像手写体识别、Titanic乘客存活率预测、用户-电影推荐、真实新闻组数据主题分析、中文分词、股票数据特征分析等。

4.强化矩阵运算、概率论、数理统计的知识运用，掌握机器学习根本。

5.阐述机器学习原理，提供配套源码和数据。

6.以直观解释，增强感性理解。

7.对比不同的特征选择带来的预测效果差异。

8.重视项目实践，重视落地。思考不同算法之间的区别和联系，提高在实际工作中选择算法的能力。

9.涉及和讲解的部分Python库有：Numpy、Scipy、matplotlib、Pandas、scikit-learn、XGBoost、libSVM、LDA、Gensim、NLTK、HMMLearn。

模块一：机器学习简介

模块二：决策树算法理论与实战

模块三：集成学习算法理论与实战

模块四：泰坦尼克号获救人员预测项目

模块五：KNN算法和决策树算法理论与实战

模块六：聚类算法理论与实战

模块七：神经网络算法

模块八：特征工程贷款拖欠预测项目

模块九：用户流失预测项目

模块十：Tensorflow

模块十一：图像识别项目

模块十二：验证码识别项目

模块十三：文本分类项目

模块十四：生成式对抗网络GANs

最后：业内经验交流

更多课程详情请点击咨询专属客服

《Python数据分析与数据化运营》（第2版），这是一本将数据分析技术与数据使用场景深度结合的著作，从实战角度讲解了如何利用Python进行数据分析和数据化运营。本书与同类书大的不同在于，并不只有纯粹的关于数据分析技术和工具的讲解，而且还与数据使用场景深度结合，在业务上真正可指导落地。此外，本书作者提供微信、邮箱等，可通过实时和离线两种方式及时为读者在线传道、受业、解惑。