课程名称: Data Analysis with Python Project

课程主页: https://www.coursera.org/learn/data-analysis-python-project

所在平台: Coursera

课程类别: 数据分析

大学或机构: University of Colorado Boulder

讲师： Di Wu

授课语言： 英语

提供字幕： 英文

课程文件大小： 18KB

课程介绍： “数据分析项目”课程使学生能够运用在本专业中获得的知识和技能来进行他们感兴趣的现实生活中的数据分析项目。参与者将探索数据分析的各个方向，包括监督和无监督学习、回归、聚类、降维、关联规则和异常值检测。在整个模块中，学生将学习基本的数据分析技术和方法，并踏上从原始数据到知识和智能的旅程。通过完成课程，学生将精通数据分析，能够在不同的项目中应用他们的专业知识并做出数据驱动的决策。

在本课程结束时，学生将能够：
1. 了解不同方向数据分析的基本概念和方法，包括监督和无监督学习、回归、聚类、降维、关联规则和异常值检测。
2. 定义数据分析项目的范围和方向，确定实现项目目标的适当技术和方法。
3. 应用各种分类算法，例如最近邻、决策树、SVM、朴素贝叶斯和逻辑回归，进行预测建模任务。
4. 实施交叉验证和集成技术，以增强分类模型的性能和通用性。
5. 应用回归算法（包括简单线性、多项式线性和正则化线性）来建模和预测数值结果。
6. 执行多元回归，并在回归分析中应用交叉验证和集成方法。
7. 探索聚类技术，包括分区、分层、基于密度和基于网格的方法，以发现数据中的潜在模式和结构。
8. 应用主成分分析（PCA）进行降维，以简化高维数据并辅助数据可视化。
9. 利用Apriori和FPGrowth算法挖掘关联规则并发现事务数据中有趣的项目关联。
10. 应用异常值检测方法，包括 Zscore、IQR、OneClassSVM、Isolation Forest、DBSCAN 和 LOF，以识别异常数据点和上下文异常值。

在整个课程中，学生将积极参与教程、实践练习和数据分析项目案例研究，获得各种数据分析技术的实践经验。通过实现学习目标，参与者将具备良好的能力，能够在数据分析项目中表现出色，并在现实场景中做出数据驱动的决策。

本课程属于 Data Analysis with Python Specialization/专项课程 中的第5门课程。

课程压缩包下载地址（度盘链接 解压密码：xuebuyan.org）：

友情提醒：