1、Pandas庫的操作

Panda是數(shù)據(jù)分析特別重要的一個庫，我們要掌握以下三點：

? pandas 分組計算;

? pandas 索引與多重索引;

索引比較難，但是卻是非常重要的

? pandas 多表操作與數(shù)據(jù)透視表

2、numpy數(shù)值計算

numpy數(shù)據(jù)計算主要應(yīng)用是在數(shù)據(jù)挖掘，對于以后的機器學(xué)習(xí)，深度學(xué)習(xí)，這也是一個必須掌握的庫，我們要掌握以下內(nèi)容：

? Numpy array理解；

? 數(shù)組索引操作；

? 數(shù)組計算；

? Broadcasting(線性代數(shù)里面的知識)

3、數(shù)據(jù)可視化-matplotlib與seaborn

? Matplotib語法

python最基本的可視化工具就是matplotlib。咋一看Matplotlib與matlib有點像，要搞清楚二者的關(guān)系是什么，這樣學(xué)習(xí)起來才會比較輕松。

? seaborn的使用

seaborn是一個非常漂亮的可視化工具。

? pandas繪圖功能

前面說過pandas是做數(shù)據(jù)分析的，但它也提供了一些繪圖的API。

4、數(shù)據(jù)挖掘入門

這部分是最難也是最有意思的一部分，要掌握以下幾個部分：

? 機器學(xué)習(xí)的定義

在這里跟數(shù)據(jù)挖掘先不做區(qū)別

? 代價函數(shù)的定義

? Train/Test/Validate

? Overfitting的定義與避免方法

5、數(shù)據(jù)挖掘算法

數(shù)據(jù)挖掘發(fā)展到現(xiàn)在，算法已經(jīng)非常多，下面只需掌握最簡單的，最核心的，最常用的算法：

? 最小二乘算法；

? 梯度下降；

? 向量化；

? 極大似然估計；

? Logistic Regression；

? Decision Tree；

? RandomForesr；

? XGBoost；

6、數(shù)據(jù)挖掘?qū)崙?zhàn)

通過機器學(xué)習(xí)里面最著名的庫scikit-learn來進行模型的理解。