北京有Python培训吗

　　一、学习目标：

　　熟练掌握数据科学领域受欢迎的编程语言-Python

　　掌握使用Python和pandas库进行数据清洗和预处理

　　使用Python爬虫获取网络数据

　　学会使用matplotlib、seaborn进行初级可视化

　　学会使用Pyecharts进行数据可视化

　　学会构建机器学习算法进行分类、预测和聚类模型

　　使用Python进行数据分析整体思路、针对业务做出模型优化选择

　　善用机器学习解决用户画像、精准营销、风险管理等商业问题

　　使用机器学习实操电商、金融、电信、医药行业真实项目案例

　　二、课程内容：

　　1章Python基础

　　1-1准备工作-Python开发环境配置

　　1-2Python标准数据类型

　　1-3控制流语句

　　1-4异常和错误(穿插在其他内容中讲)

　　1-5文件操作

　　2章Python进行数据整理和数据清洗

　　2-1Python标准库简介

　　2-2Numpy数组基础

　　2-3 Pandas对象基础

　　3章python数据可视化(线上)

　　3-1绘图思想的基本原理

　　3-2Python数据可视化包-Matplotlib介绍

　　3-3使用Python数据处理包Pandas做可视化

　　3-4Python数据可视化包-Seaborn介绍与图形绘制

　　3-5Python数据可视化包-Pyecharts介绍与图形绘制

　　4章Python爬虫(线上)

　　4-1网络爬虫基础知识

　　4-2网络请求及响应-requests库

　　4-3HTML文档解析-BeautifulSoup库

　　4-4常见反爬虫机制及应对

　　4-5网络爬虫 VS 网络数据抓取

　　4-6实战一：批量下载头像

　　4-7实战二：抓取豆瓣书籍简介

　　4-8实战三：模拟浏览器selenium抓取电商商品信息及评论

　　5章Python数据清洗操作及案例实战

　　5-1数据的获取与存储

　　5-2数据探索

　　5-3数据清洗思维

　　5-4数据清洗实战案例一：泰坦尼克幸存者数据清洗(根据实际上课情况调整数据集)

　　5-5数据清洗实战案例二：USDA食品数据清洗(根据实际上课情况调整数据集)

　　6章Python编程考试(线上)

　　6-1Python基础部分

　　6-2Python数据清洗的实现

　　7章机器学习算法

　　7-1准备工作：开发环境配置(以文档的形式给出)

　　7-2机器学习入门介绍：

　　7-3scikit-learn入门：Scikit-Learn库简介

　　7-4KNN-近邻分类算法：原理、实现

　　7-5决策树算法：原理、实现、相关技术应用及实例

　　7-6随机森林算法：原理、实现及相关技术应用：以乳腺癌预测为例

　　7-7K-Means聚类算法：原理、实现及簇选择与矢量化应用

　　7-8关联规则算法：原理、实现

　　7-9线性回归

　　7-10逻辑回归

　　7-11SVM支持向量机

　　7-12分类模型的评估指标(续)

　　7-13朴素贝叶斯算法

　　8章电商案例

　　8-1分析目标：

　　8-2基于国外大型电商用户购买信息数据的客户购买预测模型构建流程：

　　9章金融案例

　　9-1分析目标:

　　9-2基于大型金融公司的客户信息，构建用户信用评分卡模型的建模步骤：