Python 实现大数据挖掘
课程介绍
本课程基于Python 工具来实现大数据的数据分析和数据挖掘项目。基于业务问题，在数据挖掘标准过程指导下，采用Python 分析工具， 实现数据挖掘项目的每一步操作，从数据预处理、数据建模、数据可视化，到最终数据挖掘结束，帮助学员掌握Python 用于数据挖掘， 提升学员的数据化运营及数据挖掘的能力。
课程受众
业务支持部、IT 系统部、大数据系统开发部、大数据分析中心、网络运维部等相关技术人员。
课程大纲
第一部分：Python 语言基础
• 目的：掌握基本的 Python 编程思想与编程语句，熟悉常用数据结构的操作
1. Python 简介
2. 开发环境搭建
3. 掌握 Python 的简单数据类型
4. 掌握基本语句
5. 掌握复杂的数据类型：列表 / 元组
6. 复杂数据类型：字典
7. 复杂数据类型：集合
8. 掌握面向对象编程思想
9. 函数定义、参数传递、返回值
10. 标准库与扩展库的导入
11. 异常处理 :try-except 块
第二部分：Python 扩展库
• 目的：掌握数据集结构及基本处理方法，进一步巩固 Python语言
1. 数据挖掘常用扩展库介绍
2. 数据集读取与操作：读取、写入
3. 数据集的核心数据结构（Pandas 数据结构）
第三部分：数据可视化处理
• 目的：掌握作图扩展库，实现数据可视化
1. 常用的 Python 作图库
2. 实现分类汇总
3. 各种图形的画法
4. 绘图的美化技巧
第四部分：数据理解和数据准备
• 目的：掌握数据预处理的基本环节，以及 Python 的实现
1. 数据预处理
2. 数据的基本分析
第五部分：分类预测模型实战
1. 常见分类预测的模型与算法
2. 如何评估分类预测模型的质量
3. 逻辑回归分析模型
4. 决策树模型
5. 决策树算法
6. 人工神经网络模型（ANN）
7. 支持向量机（SVM）
8. 贝叶斯分析
第六部分：数值预测模型实战
1. 常用数值预测的模型
2. 回归分析概念
3. 常见回归分析类别
4. 回归分析常见算法
第七部分：聚类分析（客户细分）实战
1. 客户细分常用方法
2. 聚类分析（Clustering）
3. RFM 模型分析
第八部分：关联规则分析实战
1. 关联规则概述
2. 常用关联规则算法
3. 时间序列分析
第九部分：案例实战
1. 客户流失预测和客户挽留模型
2. 测模型
