《Python数据分析》升级版第二期

课程简介:

本期课程在《Python数据分析》升级版的基础上,主要新增了探索性数据分析(Exploratory Data Analysis,EDA)、金融数据量化分析及深度学习基础等三大数据分析工具,覆盖了时下最前沿的数据分析技术。具体新增内容如下:

新增探索性数据分析,更好地结合数据可视化发掘数据的模式与特点
新增金融数据量化分析,更好地结合时间序列分析探索金融数据的发展趋势
新增深度学习基础,更好地结合机器学习探索人工智能的技术趋势
升级并调整全部随课项目,并提供更详细的分析步骤
系统性地将相关章节的项目整理成一个完整的项目,使学员能够更加充分地理解数据分析的流程和步骤

[code]官方课程链接:http://www.chinahadoop.cn/course/937[/code]

课程目录:

第一课 工作环境准备及数据分析建模理论基础 (2-3课时)
1. 课程介绍
2. 数据分析的基本概念
3. Python简介和环境部署
4. NumPy数据结构及向量化
5. 数据分析建模理论基础
a. 机器学习基础

b. 数据分析建模过程
c. 常用的数据分析建模工具
6. 实战案例1:使用Python实现蒙特卡洛模拟的期权估值

第二课 数据分析工具Pandas (2-3课时)
1. Pandas的数据结构
2. Pandas的数据操作
a. 数据的导入、导出
b. 数据的过滤筛选
c. 索引及多重索引
3. Pandas统计计算和描述
4. 数据的分组与聚合
5. 数据清洗、合并、转化和重构
6. 实战案例2-1:Lending Club借贷数据处理及初步分析

第三课 探索性数据分析(EDA)及数据可视化 (2-3课时)
1. 什么是EDA
2. 探索单变量、多变量的关系及其可视化
3. 3D绘图
4. 实战案例2-2:Lending Club借贷数据探索性分析及可视化

第四课 机器学习及scikit-learn(2-3课时)
1. 机器学习基本概念与流程
2. Python机器学习库scikit-learn
3. 常用评价指标
4. 分类预测模型– Logistic回归与Softmax回归
5. 实战案例2-3:Lending Club借贷违约预测

第五课 金融数据分析(1)–金融时间序列(2-3课时)
1. Pandas的时间处理及操作
2. 金融数据
3. 金融学图表
4. 高频数据分析
5. 实战案例3-1:股票收益率回归分析

第六课 金融数据分析(2)–量化分析 (2-3课时)量化分析基础
1. 量化策略建模流程及回测
2. 常用量化分析指标及框架
3. TA-Lib金融软件工具
4. 实战案例3-2:多因子策略模型

第七课 图像数据处理及分析 (2-3课时)
1. 基本的图像操作和处理
2. 常用的图像特征描述
3. 聚类模型:K-Means
4. 实战案例4:电影海报主色调聚类分析

第八课 深度学习及TensorFlow (2-3课时)
1. 人工神经网络及深度学习
2. TensorFlow框架学习及使用
3. TensorFlow实现卷积神经网络
4. 实战案例5:基于TensorFlow的101类图像识别(Caltech101)

第九课 文本数据分析 (2-3课时)
1. Python文本分析工具NLTK
2. 情感分析与文本分类
3. TensorFlow实现文本深度表示模型Word2Vec
4. 分类与预测模型– 朴素贝叶斯
5. 实战案例6:搜狐新闻数据分类

第十课 项目实战(2-3课时)
1. 交叉验证及参数调整
2. 特征降维与特征选择
3. 实战案例7:根据日常新闻预测股市动向
4. 课程总结

课程截图:

计算机视觉班 [从CV基础到深度学习实战]

课程简介:

此套计算机视觉-从CV基础到深度学习实战视频教程从图像处理基础、机器视觉中的特征提取与描述、坐标变换与视觉测量,到数据处理、图像搜索、深度学习在图像识别中的应用、图像标注与问答、3D计算机视觉、机器视觉项目实战。整个课程由浅入深,结合案例真枪实战,是不可多得的CV上佳课程。教程共包含10节课的内容,从CV基础,到深度学习实战,由浅入深,每次课都推出实例应用,注重深入浅出、真枪实战。学习者需要一定的编程、图像处理基础,或者说学过编程 学过点图像处理。

[code]官方课程链接:https://www.julyedu.com/course/getDetail/44[/code]

课程目录:

第一讲 工欲善其事必先利其器——图像处理基础
1. CV背景介绍
2. OpenCV完全解析基础
3. 图像的基本操作:遍历图像6种方法,ROI选取等

第二讲 初探计算机视觉
1. VideoCapture类介绍
2. Opencv编程常见错误
3. Python环境搭建+语法
应用:机器学习在CV中的应用(python与C++多种演示)

第三讲 空域图像处理的洪荒之力
1. 图像卷积运算
2. 边缘检测方法:sobel,canny以及图像拉普拉斯
应用:车牌识别项目

第四讲:机器视觉中的特征提取与描述
1. 霍夫变换
2. 局部特征大汇总
应用:无人车项目提示

第五讲:坐标变换与视觉测量
1. 相机模型
2. 2D、3D、坐标变换
3. 相机标定
应用:增强现实技术simple VR不神秘(第四,第五讲综合演练)

第六讲:深度学习在图像识别中的应用
分类:linear regression, neural networks
检测:bounding box regression
定位:localization
应用:使用CNN进行图像识别

第七讲:图像检索
1. 图像检索与特征抽取
2. 海量数据与快速检索
3. 电商商品检索技术
应用:基于Tensorflow与近似最近邻查找的图像检索示例

第八讲:图像标注与问答

1. 语言模型介绍
2. LSTM模型与标注问题
3. 应用:DenseCaption in Generating Captions in Images

第九讲:3D计算机视觉
1. 表面和外形重构
2. 基于模型的重构
3. 应用:人脸动画

第十讲:机器视觉项目实战
CV 实战:以鲸鱼识别为例,利用深度学习解决Kaggle竞赛中的图像分类问题

课程截图: