西安Python实战培训课程

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：Python 函数与类

1.PyCharm环境搭建与GIT使用

2.缺省参数、可变参数、关键字参数、

3.Lambda函数、递归函数

4.Python面向对象编程(封装、继承、多态)

5.模块、包、Python标准库介绍

模块二：Django Web框架

1.第一个Django程序

2.MTV设计模式介绍

3.配置URL与Template模板

4.Models与Admin增强

5.常见Django表达式与过滤器

模块三：Python常用科学库

1.Numpy数组处理支持

2.Scipy矩阵计算模块

3.Pandas数据分析和探索工具

4.StatsModels统计建模库

模块四：Python数据可视化

1.Matplotlib库

2.Pygal库

3.直方图、饼图

4.折线图、散点图

模块五：数据分析算法介绍

1.如何公开采集数据

2.协同过滤算法

3.隐语义模型求解

4.Surprise库使用方式

模块六：Python实现数据推荐

1.采用数据与数据整合

2.相似度计算

3.SVD矩阵分析

4.数据推荐功能实现

更多课程详情请点击咨询专属客服

《Python学习手册（原书第5版）》，本书将帮助你使用Python编写出高质量、高效的并且易于与其他语言和工具集成的代码。本书根据Python专家Mark Lutz的著名培训课程编写而成，是易于掌握和自学的Python教程。本书每一章都对Python语言的关键内容做单独讲解，并且配有章后习题、编程练习及详尽的解答，还配有大量注释的示例以及图表，便于你学习新的技能并巩固加深自己的理解。