2 个月如何从小白到 Python 高手，牛津大学博士带你飞！

Python 是一门新手友好、功能强大、高效灵活的编程语言，学会之后无论是想进入数据分析、人工智能、网站开发这些领域，还是希望掌握第一门编程语言，都可以用 Python 来开启无限未来的无限可能！

Python 可以做什么？

在编程语言中，Python长期稳居前五，不仅已经成为数据分析、人工智能领域必不可少的工具，还被越来越多地公司用于网站搭建。基本上可以负责任地认为，Python 可以做任何事情。无论是从入门级选手到专业级数据挖掘、科学计算、图像处理、人工智能，Python 都可以胜任。

Python 方向岗位的薪水在水涨船高，成为目前最有潜力的编程语言之一。

Python 爆红的原因是什么？

在 ranked.com 的排名中，Python 是 2017 年最受欢迎人工智能编程语言（第二是C++）。

根据 Stack Overflow 流量统计，2017 年 6 月，Python 第一次成为高收入国家 Stack Overflow 访问量最大的标签，照此发展，2018 年，Python 肯定会成为最受欢迎的标签。

在 GitHub 2017 年度报告中，Python 超越 Java 成第二受欢迎语言。所有这些“刷榜”，都离不开最近人工智能尤其是机器学习的火热。Python 被誉为最好人工智能的语言，因为：

• 在数据科学和 AI 中占据主导地位；

• 拥有优质的文档和丰富的库，对于科学用途的广泛编程任务都很有用；

• 设计非常好，快速，坚固，可移植，可扩展；

• 开源，而且拥有一个健康、活跃、支持度高的社区；

• 有一些很棒的公司赞助商，YouTube、谷歌、Yahoo!、NASA 都在内部大量地使用 Python，尤其是谷歌；Facebook 开源 PyTorch 后也更有利于 Python 的推广。

如果你想学习编程语言，除了 Python 没有之一。

学习 Python 几个坑要注意！

那么，如果想要追赶 Python 的热潮，应该如何学习呢？现在许多人在自学之外，都会选择在线课程作为辅助。选择课程的衡量标准是什么呢？我认为有以下几条坑不能踩：

||是否有循序渐进的练手项目，课程作业？

如果课程里面只是对着屏幕把项目代码敲一遍，那其实看了也不能自己真正掌握，重要的是自己在课程作业里动手实践，所以课程中有没有循序渐进的练手项目帮你提升能力，这是很重要的。

||是否可以掌握一项核心的技能？

要看课程侧重的是数据分析还是机器学习，机器学习有无深度学习方面内容。

||是否针对零基础的同学讲解的生动易懂？

不少课程会标注课程所需的知识储备，需要先掌握哪些知识才能看懂这门课，只有少数课才真正是零基础可以学习的，这个是需要注意的。

||是否有答疑？

大部分视频课程只能课后答疑，而且是离线答疑，对于零基础学习的同学需要考虑老师能否及时答疑。学问学问，有学有问才能有所进步啊。

那么，我该怎么选择？

如果你是渴望系统、高效地学习 Python，推荐学习《从数据分析到数据挖掘训练营》，包含“R语言+Python+推荐系统+数据挖掘算法”四大知识点，小班面授+网络课程，总课时超过200，可零基础分阶段学习，推荐就业！课程案例丰富，安排随堂练习和课后答疑。本课程侧重数据分析方法和原理，通过学习可掌握主流的数据分析工具和方法，在此基础上进阶学习数据挖掘/机器学习算法。

–适合人群–

◎本科理工科略懂编程的大学生、研究生；

◎转行 Python 编程的在职人士；

◎想学数据挖掘基础到高级的老师和学生；

◎想学人工智能基础理论和 Python 实现的学员。

–讲师团队–

陈远波

本科应用数学，硕士计算数学、博士自动化，多次参加建模大赛（如全国大学生建模大赛、全国研究生建模大赛、阿里巴巴天池大赛等），3年大数据建模工作经验，熟悉前端，精通机器学习，熟悉各类算法，如SVM，KNN，BAYES，RNN，CNN，RBM和DBN等，了解scala语言和协同过滤推荐算法。运用深度学习算法对人脸进行检测和识别。

徐磊

牛津大学计算机科学博士，现任深圳市华傲数据技术有限公司数据科学家，工作内容涉及数据采集、数据整理、数据分析与应用等多个数据产业环节。徐磊博士的研究方向包括数据挖掘、机器学习、人工智能、分布式算法、金融风控、数据可视化等。

–课程目录–

【阶段一】数据分析和编程基础（网络课程）

第一篇《数据分析入门》

• 1、数据分析行业背景和职业介绍

• 2、数据的存储和联系的逻辑

• 3、SQL的基础语法

• 4、SQL复杂查询及实践

• 5、R语言中的数据类型和数据结构

• 6、R语言基础语法

• 7、用R采集API数据

• 8、rvest采集网页数据并写入MySQL

• 9、stringr处理字符串

• 10、dplyr及描述性统计分析

• 11、中文分词及词云可视化

• 12、线性回归理论及建模实战

• 13、逻辑回归理论及建模实战

• 14、ggplot2图形语法

• 15、ggplot2数据可视化实战

• 16、MarkDown基础语法及R MarkDown自动化报告

第二篇 《Python编程基础》

1、python语法初步：

2、python数字和内置对象

3、python元组

4、python列表和字符串

5、python集合与字典

6、python语法：条件和循环

7、文件操作

8、错误和异常的处理

9、模块、包

10、函数

11、对象编程

12、正则表达式

13、多线程

14、数据库

第三篇 《R语言商业数据分析》

1.数据挖掘建模流程与R介绍

案例：一个信用评分模型完整分析流程演示

2.R语言编程与数据整合

案例：是否违约客户行为数据对照描述

3.描述性统计分析和特征选取

案例：汽车金融贷款数据的数据清洗

4.数据清洗与变量压缩

案例：房屋价格决定因素分析

5.统计推断基础

案例：客户消费、客户行为数据差异检验

6.使用线性回归进行客户价值预测

案例：信用卡客户价值预测模型

7.使用逻辑回归构建初始信用评级

案例：汽车贷款初始评分模型

8.使用决策树进行流失预警模型

案例：电子产品客户购买决策模型

9.使用神经网络进行营销响应预测

案例：信贷产品行为评分模型

10.分类器入门与支持向量机

案例：婚恋网站客户成功约会预测

11.客户聚类与聚类后画像

案例：电信、银行客户行为聚类分析

12.使用推荐算法提升客户价值

案例：电商、银行客户交叉销售模型

13. 时间序列分析

案例：电信、零售、运输、银行行业业务量预测模型

案例：汽车金融贷款信用评级模型

【阶段二】Python数据挖掘训练营(面授)

第一篇 数据挖掘导论

1.数据挖掘的背景

2.什么是数据挖掘

3.数据挖掘的主要功能

4.数据挖掘的数据及变量

5.数据挖掘的数据清洗

6.数据的描述性统计分析

7.随机变量与变量分布

8.分类及连续变量的相关性

9.总体及样本

10.统计推断与统计检验

11.决策树类算法

12.神经网络类算法

13.关联分析类算法

14.聚类分析算法

15逻辑回归算法

案例一：儿童玩具销量的影响因子分

案例二：电信客户流失预警模型

案例三：超市购物篮关联分析

案例四：药物效果的聚类分析

案例五：贷款风险预测模型

第二篇 Python数据挖掘

1.数据清洗与变换

模型评价指标：绝对误差、相对误差、平均绝对误差、均方（根）误差、精准率、召回率、ROC、AUC等

2.Logistic回归理论

案例：对风险人群的预测

3.决策树理论知识

案例：在反欺诈场景中的应用

4.Kmeans、SVM理论知识

案例：在识别码识别中的应用

5.集成学习（RF、Adaboost、GBDT及Xgboost）介绍

案例：集成学习（RF、Adaboost、GBDT及Xgboost）应用

6.BP神经网络介绍

案例：在家用电器用户行为分析与事件识别

7.案例：卷积神经网络在图像识别中的应用

8.案例：LSTM框架在语义识别方面的应用

【阶段三】推荐系统算法及数据挖掘算法

第一篇 推荐系统算法

1.推荐系统概念、发展历史、核心问题介绍

2推荐系统常见的企业级架构，以及核心部件

3.机器学习算法流程介绍，常见机器学习算法讲解

4.召回层常用推荐算法详解与实现，及在推荐数据集上实验

5.推荐系统评价指标，及召回层算法效果评估

6.精排策略与核心算法讲解与实战

7.推荐系统整体架构搭建与部署

8.深度学习在推荐系统的发展与应用

第二篇 数据挖掘算法进阶

1.PageRank算法

2.决策树模型

3.分类回归树

4.K邻近分类

5.K-means聚类

6.层次化聚类

7.朴素贝叶斯算法

8.支持向量机模型

9.Apriori算法

10.Adaboost算法

11.Random Forest模型

12.GBDT模型

13.M算法

14.隐马尔可夫模型

15.高斯混合模型

16.模型选择与评估

–开课时间–

【阶段1】数据分析&数据挖掘入门（网络班）

【时间】视频课，自由学习（共64课时）

【阶段2】Python数据挖掘实战

【时间】3月31日至4月29日（共80学时）

【阶段3】推荐系统算法及数据挖掘算法

【时间】5月5日至5月26日（共56学时）

–课程目标–

◎零基础入门掌握数据分析方法

◎掌握常用数据挖掘算法和 Python 实现

◎ 掌握数据挖掘/机器学习高级算法

–课程形式–

1、网络课程+现场集训，主讲老师QQ群同步答疑；

2、课程配套作业题和作业讲解课；

3、课程配专属答疑群，全程陪同，随时解答疑惑。

–限量优惠 & 福利–

1、报名现在添加PPV课助教微信（timjiang2016）,加入拼团群，5人合拼可优惠500元/人！

2、现在报名课程，即可获得以下资料大礼包：

扫码添加PPV课助教微信

立即入群拼团及获取报名资料礼包！

▼

PPV课助教微信

详情见↓↓↓

原文始发于微信公众号（PPV课数据科学社区）：2 个月如何从小白到 Python 高手，牛津大学博士带你飞！