2020年最新万门大学Python数据分析与数据挖掘就业培训视频教程附代码讲义软件 213课

发布时间: 2020-08-27

发货 百度网盘 自动发货 时间 2020年 类型 会员打折

¥20.00

立即下载 加入收藏

5.0分/10人

升级会员组 享受更多优惠

自动发货

课程介绍:

万门大学最新Python数据挖掘课程,适合零基础小白学习,从Python基础到数据分析、数据挖掘、算法与机器学习全流程学习。

课程目录:

配套资料(代码、作业、软件)

【课程安排】.rar

推荐教材.rar

每周作业.rar

每日课件及代码.rar

软件.rar

01.熟悉Jupyter notebook

001.创建新的Python环境

002.Python环境与版本(一)

003.Python环境与版本(二)

004.Python环境与版本(三)

005.Python环境与版本(四)

006.Python环境与版本(五)

007.Python环境与版本(六)

008.Python环境与版本(七)

009.安装决策树可视化工具Graphviz(一)

010.安装决策树可视化工具Graphviz(二)

011.几个重要的工具包介绍(一)

012.几个重要的工具包介绍(二)

013.安装TensorFlow与Keras(一)

014.安装TensorFlow与Keras(二)

015.Jupyter notebook的基本使用技巧

016.Markdown的基本技巧(一)

017.Markdown的基本技巧(二)

02.文献与代码管理工具及统计基础

018.学习方法总结

019.Mendeley介绍及安装(一)

020.Mendeley介绍及安装(二)

021.GitHub介绍及安装

022.GitHub远端连接操作(一)

023.GitHub远端连接操作(二)

024.GitHub远端连接操作(三)

025.答疑(一)

026.答疑(二)

027.答疑(三)

028.统计基础概述

03.Python基本数据类型

029.课程概述

030.计算机语言与程序概述(一)

031.计算机语言与程序概述(二)

032.为什么需要编程语言

033.Python能做什么

034.课间答疑

035.Python2和Python3的区别

036.编程语言的元素

037.致敬 Hello World

038.Python基本数据类型(一)

039.Python基本数据类型(二)

040.Python基本数据类型(三)

041.Python基本数据类型(四)

042.Python基本数据类型(五)

043.Python基本数据类型(六)

044.Python基本数据类型(七)

045.Python基本数据类型(八)

04.函数与Python基本数据结构

046.函数(一)

047.函数(二)

048.函数(三)

049.函数(四)

050.函数(五)

051.Python编码结构(一)

052.Python编码结构(二)

053.Python编码结构(三)

054.Python模块和程序包

055.Python基本数据结构(一)

056.Python基本数据结构(二)

057.Python基本数据结构(三)

05.Numpy的基本操作

058.Introduction to Numpy

059.Create Arrays

060.Basic Operations of Arrays

061.lndexing ,Slicing and Iterating(一)

062.lndexing ,Slicing and Iterating(二)

063.lndexing ,Slicing and Iterating(三)

064.Matrix Operations (一)

065.Matrix Operations (二)

066.Array processing(一)

067.Array processing(二)

068.Save and Load Array

06.Pandas的基本操作

069.Series

070.DataFrame+Titanic Example(一)

071.DataFrame+Titanic Example(二)

072.DataFrame+Titanic Example(三)

073.DataFrame+Titanic Example(四)

074.Index Objects

075.Reindex

076.Drop Data

077.Slice Data(一)

078.Slice Data(二)

079.Data Alignment

080.Rank and Sort


07.Matplotlib的基本操作

081.Matplotlib(一)

082.Matplotlib(二)

083.Matplotlib(三)

084.Matplotlib(四)

085.Matplotlib(五)

086.Aggregation(一)

087.Aggregation(二)

088.Aggregation(三)


08.Python数据挖掘与机器学习

089.算法-线性回归(1)

090.算法-线性回归(2)

091.算法-线性回归(3)

092.算法-线性回归(4)

093.逻辑回归和线性回归(1)

094.逻辑回归与线性回归(2)

095.逻辑回归与线性回归(3)

096.拟合(1)

097.拟合(2)

098.拟合(3)

099.决策树(1)

100.决策树(2)

101.决策树(3)

102.Pandas补充(1)

103.Pandas补充(2)

104.决策树(4)

105.Airbnb(1)

106.Airbnb(2)

107.Airbnb(3)

108.SVM(1)

109.SVM(2)

110.代码实战

111.NLP(1)

112.NLP(2)

113.NLP(3)

114.NLP-Amazon-Class(1)

115.NLP-Amazon-Class(2)

116.NLP-Amazon-Class(3)

117.网站基础(1)

118.网站基础(2)

119.网站基础(3)

120.网络爬虫(1)

121.网络爬虫(2)

122.网络爬虫(3)

123.爬虫进阶

124.正则表达式(1)

125.正则表达式(2)

126.贝叶斯统计(1) (2)

127.贝叶斯统计(1)

128.贝叶斯统计(2)

129.贝叶斯统计(3)

130.用户信息与数据整合(1)

131.用户信息与数据整合(2)

132.用户信息与数据整合(3)

133.贝叶斯统计2(1)

134.贝叶斯统计2(2)

135.贝叶斯统计2(2)

136.BiliBili-火爆剧集与观众分析(1)

137.BiliBili-火爆剧集与观众分析(2)

138.BiliBili-火爆剧集与观众分析(3)

139.聚类(1)

140.聚类(2)

141.聚类(3)

142.脑筋急转弯(1)

143.脑筋急转弯(2)

144.商业舆情分析

145.近期推荐系统概述(1)

146.近期推荐系统概述(2)

147.近期推荐系统概述(3)

148.人工智能历史(1)

149.人工智能历史(2)

150.人工智能历史(3)

151.机器学习在图像识别中的应用(1)

152.机器学习在图像识别中的应用(2)

153.机器学习在图像识别中的应用(3)

154.课程回顾+剩余课程安排

155.Pygame(1)

156.Pygame(2)

157.Python控制

158.数据库基础review

159.游戏结合演示

160.OpenCV(1)

161.OpenCV(2)

162.OpenCV(3)

163.数据收集

164.check data+C++review

165.模型分析

166.第三周作业要求+GTA自驾驶问题分解

167.GTA游戏AI识别车道分割线

168.根据环境调整前景后退与视野方向

169.TensorFlow

170.卷积神经网络(1)

171.卷积神经网络(2)

172.卷积神经网络(3)

173.卷积神经网络(4)

174.卷积神经网络(5)

175.卷积神经网络(6)

176.卷积神经网络(7)

177.深度学习框架剖析

178.递归神经网络(1)

179.递归神经网络(2)

180.递归神经网络(3)

181.线性代数与数值分析(1)

182.线性代数与数值分析(2)

183.线性代数与数值分析(3)

184.递归神经网络的应用(1)

185.递归神经网络的应用(2)

186.递归神经网络的应用(3)

187.强化学习1(1)

188.强化学习1(2)

189.强化学习1(3)

190.强化学习1(4)

191.强化学习1(5)

192.强化学习1(6)

193.强化学习2(1)

194.强化学习2(2)

195.蒙特卡洛模拟(1)

196.蒙特卡洛模拟(2)

197.蒙特卡洛模拟(3)

198.云·计算·数据(1)

199.云·计算·数据(2)

200.云·计算·数据(3)

201.Reinforcement Learning-TD(1)

202.Reinforcement Learning-TD(2)

203.Reinforcement Learning-TD(3)

204.Reinforcement Learning-TD(4)

205.Reinforcement Learning-TD(5)

206.Reinforcement Learning-TD(6)

207.职业规划+面试经验

208.数据科学在金融业的应用和前景

209.课程总结答疑(1)

210.课程总结答疑(2)

211.课程总结答疑(3)

212.深度学习经典网络分析-基础(1)

213.深度学习经典网络分析-基础(2)


(04)20200081502 数据分析

版权信息:本站所有资源仅供学习与参考,请勿用于商业用途,如有侵犯您的版权,请及时联系客服,我们将尽快处理。
  • sou****

    20天前sou****

    未评价,系统默认好评!

  • zhjj****

    1月前zhjj****

    未评价,系统默认好评!

  • 元昊、***

    3月前元昊、***

    未评价,系统默认好评!

  • cfa****

    3月前cfa****

    未评价,系统默认好评!

  • 照**

    4月前照**

    未评价,系统默认好评!

  • reason******

    5月前reason******

    未评价,系统默认好评!

  • it1000******

    5月前it1000******

    未评价,系统默认好评!

  • 炫*

    6月前炫*

    未评价,系统默认好评!

更多评论

嘿,我来帮您!