Python基础

1.准备工作

1.1 认识Python           

1.2 搭建Python环境

1.3 安装PyCharm并创建一个应声虫程序

2.Python基础知识

2.1 掌握Python固定语法

2.2 创建字符串变量并提取里面的数值

2.3 计算圆形的各参数

3.Python数据结构

3.1 创建一个列表（list）并进行增删改查操作

3.2 转换一个元组（tuple）并进行取值操作

3.3 创建一个字典（dict）并进行增删改查操作

3.4 将两个列表转换为集合（set）并进行集合运算

4.程序流程控制语句

4.1实现考试成绩划分       4.2实现一组数的连加与连乘

4.3使用冒泡排序法排序     4.4实训（猜数字游戏）

5.函数

5.1自定义函数实现输出方差

5.2使用匿名函数添加列表元素

5.3存储并导入函数模块

6.面向对象

6.1 认识面向对象编程          6.2 创建Car类

6.3 创建Car对象              6.4 迭代Car对象

6.5 产生Land_Rover对象（子类）

7.文件基础

7.1 认识文件                  7.2 读取txt文件中的数据

7.3 保存数据为csv格式文件    7.4 认识os模块

Python数据分析与应用

1.Python数据分析概述

1.1认识数据分析

1.2熟悉Python数据分析的工具

1.3安装Python3的Anaconda发行版

1.4掌握Jupyter Notebook常用功能

2.NumPy数值计算基础

2.1认识NumPy数组对象ndarray

2.2认识NumPy矩阵与通用函数

2.3利用NumPy进行统计分析

3.Matplotlib数据可视化基础

3.1了解绘图基础语法与常用参数

3.2分析特征间的关系

3.3分析特征内部数据分布与分散状况

4.Pandas统计分析基础

4.1读写不同数据源的数据

4.2掌握DataFrame的常用操作

4.3转换与处理时间序列数据

5.使用Pandas进行数据预处理

5.1合并数据                 5.2清洗数据

5.3标准化数据               5.4转换数据

6.案例分析：航空公司客户价值分析

6.1了解航空公司现状与客户价值分析

6.2预处理航空客户数据

6.3使用K-Means算法进行客户分群

机器学习与人工智能

1.机器学习介绍

1.1有监督学习：分类、回归   1.2无监督学习：聚类

1.3半监督学习               1.4强化学习

2.使用scikit-learn构建模型

6.1使用sklearn转换器处理数据

6.2构建并评价聚类模型

6.3构建并评价分类模型

6.4构建并评价回归模型

3.机器学习案例1：基于水色图像的水质识别

3.1背景与目标               3.2数据准备

3.3特征提取                 3.4模型训练与调优

3.5性能度量与模型评估

4.机器学习案例2：基于文本内容的垃圾短信识别

4.1目标分析                 4.2数据准备

4.3特征工程                 4.4模型训练与调优

4.5性能度量与模型评估