python
- 一、Python基础与数据持久化
-
1.1 python入门基础
1.2 python入门—练习题
1.3 python+csv/Excel—数据持久化
python爬虫
1.4 python爬虫（Re/requests/BS4）
1.5 python爬虫-scrapy框架
1.6 python 爬虫—selenium （切换frame以及滚动条操作）
1.7 python爬虫—练习题（文字/图片/音乐）
1.8 python爬虫—（豆瓣top250）
1.9 python爬虫—scrapy练习题 - 二、MySQL 关系型数据库
-
2.1 MySQL数据库的基本语法
2.2 pyMySQL操作MySQL数据库
2.3 pyMySQL+Excel—练习题 - 三、MongoDB 分布式数据库
-
3.1 MongoDB安装及基本语法结构
3.2 pymongo操作MongoDB数据库
3.3 pyMongo+Excel—练习题 - 四、Numpy 与Scipy
-
4.1 Numpy基础+进阶+高级
4.2 Numpy—练习题
4.3 Scipy 基础+进阶(linalg)
4.4 Scipy 高级（tushare） - 五、数据可视化
-
5.1 Matplotlib 初级—数据可视化
5.2 Matplotlib 高级—综合演练
5.3 Matplotllib—绘制复杂函数以及三维图
5.4 matplotlib + pandas—数据可视化
5.5 Python + PyEcharts—数据可视化 - 六、Pandas
-
6.1 Pandas 基础（创建与查看）
6.3 Pandas 进阶一（数据处理）
6.4 Pandas 进阶二（字符串、时间戳）
6.5 pandas 高级一（函数与运算）
6.6 pandas 高级二（分组，筛选；文件读取）
6.7 pandas 高级三（数据变形–分组与聚合）
Pandas练习与综合
6.8 pandas—练习题一
6.9 pandas—练习题二
6.10 pandas+matplotlib—习题一
6.11 pandas+matplotlib—习题二
6.12 pandas+matplotlib—习题三
6.13 Pandas-Matplotlib-PyEcharts—综合案例
附：Anaconda环境搭建
附：Markdown表格—合并单元格—设置颜色
算法与基础理论
- 七、数理统计
-
7.1 向量与矩阵
7.2 极限-导数-微积分
7.3 概率论—随机变量
7.4 无穷级数 - 八、算法理论
-
8.1 最大熵模型
8.2 统计学习方法之一
8.3 协方差矩阵—黑塞矩阵—正定矩阵
8.4 EM算法
8.5 混合高斯模型
8.6 PageRank算法
8.7 凸优化(拉格朗日乘子法)—SVD分解原理
8.8 基础算法图解
8.9 隐马尔科夫模型（HMM）
8.10 梯度下降法——专题
机器学习理论
- 九、特征工程
-
特征工程—特征构造
特征工程—数据降维
特征工程—特征转换
特征工程—特征选择 - 十、机器学习
-
机器学习概况
sklearn—Orange安装-机器学习-准备
sklearn—数据预处理
sklearn—Pipeline 机制
机器学习—决策树
机器学习—贝叶斯算法
机器学习—支持向量机（SVM）
机器学习—KNN（K近邻）
机器学习—逻辑回归(logistic regression)
机器学习—逻辑回归（LR）
机器学习—朴素贝叶斯算法
聚类分析—K-means算法
关联规则—Apriori算法—FPTree
集成学习
集成学习—多算法融合
集成学习—Adaboost
集成学习—Xgboost
集成学习—随机深林（RF）
集成学习—GBDT
专题
距离专题
聚类专题
最小二乘法—梯度下降优化专题
交叉验证
分类模型—评估指标（收益曲线 -ROC曲线和AUC ）
回归模型—评估指标
欠拟合、过拟合——解决方法 - 项目与实战
-
基于OpenCV、随机森林算法实现的图像分类识别系统
基于RFM模型实现的零售精准营销响应预测系统
基于SVD协同过滤算法实现的电影推荐系统
基于FP-growth算法-新闻网站点击流量分析系统
基于LVD、贝叶斯模型算法实现的电商行业商品评论与情感分析案例
`
基于Kaggle的经典AI项目：预测房价系统
基于Kaggle的经典AI项目一—数据理解与整体探索