在线课程 – 使用 Google 的 Python 进行数据分析的认证专业，科罗拉多大学博尔德分校

分类分析

课程 1 – 38 小时

学习内容

• 了解分类作为托管学习方法之一的概念和重要性。
• 区分和描述不同类型的分类器，并应用每个分类器对不同的数据集执行二进制和多类分类任务。
• 评估分类器的性能，根据信息的特征和学习要求选择和优化分类器。

您将获得的技能

• 乘法学习
• 线性回归
• 交叉身份验证
• 回归
• Scikit-学习

回归分析

课程 2 – 40 小时

学习内容

• 了解监督学习中回归分析的原理和重要性。
• 实施交叉验证方法来评估模型性能并改进参数。
• 了解 bagging、boosting、stacking 的方法及其在提高回归模型准确性方面的作用。

您将获得的技能

• 无监督学习
• 机器学习
• 监督式学习
• 项目规划
• 数据挖掘

聚类分析

课程 3 – 37 小时

学习内容

• 了解无监督学习的原理和重要性，尤其是聚类和降维。
• 将聚类分析技术应用于各种数据集，以进行模式检测和数据研究。
• 实施关键组件分析 （PCA） 以减少数据维度并解释减少的空间。

您将获得的技能

• 数据集群的算法
• 降维
• K-Means 聚类分析
• 关键成分分析 （PCA）
• Dbscan 数据库

关联规则分析

课程 4 – 22 小时

学习内容

• 了解无监督学习方法的原理和重要性，尤其是关联规则和异常发现。
• 将频率模式的概念和应用及其关联规则联系起来，以发现项目之间的有趣关系。
• 应用各种异常检测方法，包括统计和远距离方法来识别异常数据点。

您将获得的技能

• 了解关联规则
• 异常
• 先验
• 常用模板
• FP 增长

使用 Python 的数据分析项目

课程 5 – 18 小时

学习内容

• 指出数据分析项目的范围和方向，确定适当的技术和模型以实现项目目标。
• 应用各种算法进行分类和回归，并实施多重验证技术以提高模型性能。
• 将算法应用于无监督学习模型的聚类、降维、关联规则挖掘和异常检测。

您将获得的技能

• 贝叶斯统计
• Logistic 回归
• 支持向量机 （SVM）
• 分类
• 决策树