第一阶段：零基础快速上手Python编程第二阶段：Pandas数据处理第三阶段：数据可视化与机器学习第四阶段：机器学习与深度学习第五阶段：数学科学比赛

*   第一阶段：零基础快速上手Python编程/

  *   上午：Python环境配置及基础语法

  *   下午：Jupyter Lab环境本地配置，notebook环境与Python的使用

  *   上午：Python数据结构及操作，循环控制

  *   下午：实战列表及列表推导式，单词统计

  *   上午：函数

  *   下午：BMI指数函数，Python识别符合法性检测函数

  *   上午：面向对象

  *   下午：公司类的设计及实例验证

  *   上午：文件操作及第三方库

  *   下午：随机验证码图生成

*   第二阶段：Pandas数据处理/

  *   上午：Numpy入门

  *   下午：使用Numpy实现矩阵转置等矩阵操作任务

  *   上午：Pandas数据结构、数据读取

  *   下午：使用Pandas处理股票交易数据

  *   上午：数据清理、转换、合并与重塑

  *   下午：美国大选数据的处理

  *   上午：分组和聚合高级处理

  *   下午：对小费样本集的高阶数据分析

  *   上午：特征工程的综合运用

  *   下午：特征工程练习

*   第三阶段：数据可视化与机器学习/

  *   上午：数据及统计基础部分

  *   下午：相应基础知识点练习

  *   上午：Seaborn库使用

  *   下午：Seaborn常规绘图练习

  *   上午：线性回归，模型选择，朴素贝叶斯，逻辑回归

  *   下午：线性回归实战练习

  *   上午：支持向量机

  *   下午：SVM实战练习

  *   上午：决策树，随机森林，树的组合模型

  *   下午：树模型实战练习

*   第四阶段：机器学习与深度学习/

  *   上午：高斯混合模型，最大期望优化算法

  *   下午：实战练习

  *   上午：神经网络入门

  *   下午：从零搭建一个神经网络

  *   上午：用神经网络做图像识别

  *   下午：图像识别项目实战

  *   上午：用神经网络做文本分类，语言模型

  *   下午：文本分类项目实战

  *   上午：机器学习中的特征工程

  *   下午：特征工程实战

*   第五阶段：数学科学比赛/

  *   上午：数据比赛中常用的sklearn、xgboost工具

  *   下午：kaggle泰坦尼克号之灾(分类)

  *   上午：图像识别

  *   下午：实战练习

  *   上午：文本分类

  *   下午：实战练习

  *   上午：从零构建音乐推荐系统

  *   下午：实战练习

  *   上午：机器学习预测世界杯

  *   下午：实战练习