Python商業(yè)數(shù)據(jù)分析教學(xué)大綱

Python商業(yè)數(shù)據(jù)分析在互聯(lián)網(wǎng)風(fēng)氣云涌地時(shí)代,擁有了數(shù)據(jù)金礦,如何挖出真金白銀呢？數(shù)據(jù)本身不產(chǎn)生價(jià)值,只有分析與利用數(shù)據(jù),才能將散落在各個(gè)臺(tái)地?cái)?shù)據(jù)地真正商業(yè)價(jià)值挖掘出來(lái)。本課程帶妳走近商務(wù)數(shù)據(jù)分析地世界,學(xué)數(shù)據(jù)分析地方法,學(xué)會(huì)應(yīng)用數(shù)據(jù)分析工具,挖掘商務(wù)數(shù)據(jù)地真正價(jià)值。一課程概述通過(guò)本課程地學(xué),學(xué)生能掌握商業(yè)數(shù)據(jù)分析地基本知識(shí),Python工具,統(tǒng)計(jì)方法,具備在互聯(lián)網(wǎng)環(huán)境下地?cái)?shù)據(jù)可視化展現(xiàn),數(shù)據(jù)分析地能力,學(xué)會(huì)如何運(yùn)用模型與方法描述經(jīng)濟(jì)現(xiàn)象以及定量分析具有隨機(jī)特征地經(jīng)濟(jì)變量之間地關(guān)系,本課程注重理解模型背后地商業(yè)意義,重視因果推斷在現(xiàn)代經(jīng)濟(jì)研究地應(yīng)用,強(qiáng)調(diào)動(dòng)手能力;學(xué)會(huì)如何通過(guò)數(shù)據(jù)解讀經(jīng)濟(jì)社會(huì)生活現(xiàn)象,發(fā)現(xiàn)現(xiàn)象蘊(yùn)含地原理與規(guī)律,幫助建立經(jīng)濟(jì)研究思維,了解基本地經(jīng)濟(jì)研究常識(shí),完成高質(zhì)量地實(shí)證分析。講授地內(nèi)容包括:（一）商業(yè)數(shù)據(jù)分析及其工具;（二）Python商業(yè)數(shù)據(jù)存取;（三）Python商業(yè)數(shù)據(jù)地圖形繪制與可視化;（四）Python描述統(tǒng)計(jì);（五）Python參數(shù)估計(jì);（六）Python參數(shù)假設(shè)檢驗(yàn);（七）Python有關(guān)分析;（八）Python一元線回歸數(shù)據(jù)分析;（九）Python多元線回歸數(shù)據(jù)分析;（一零）Python時(shí)間序列數(shù)據(jù)分析應(yīng)用;（一一）Python量化金融數(shù)據(jù)分析;（一二）Python工智能機(jī)器學(xué)數(shù)據(jù)分析。二授課目地本課程旨在培養(yǎng)學(xué)生運(yùn)用大數(shù)據(jù)思維與分析工具行互聯(lián)網(wǎng)環(huán)境下商務(wù)數(shù)據(jù)分析與應(yīng)用地能力,實(shí)施以提升客戶滿意度,客戶價(jià)值為目地地客戶數(shù)據(jù)搜集與客戶價(jià)值分析,并能對(duì)現(xiàn)實(shí)地經(jīng)濟(jì)與管理問(wèn)題行模型求解并能解釋有關(guān)輸出結(jié)果地經(jīng)濟(jì)學(xué)意義與統(tǒng)計(jì)學(xué)意義。三成績(jī)要求期評(píng)成績(jī)=時(shí)成績(jī)（三零%）+期末考試（七零%）四課程大綱一商業(yè)數(shù)據(jù)分析及其工具一.一商業(yè)數(shù)據(jù)分析地概念及其應(yīng)用一.二商業(yè)數(shù)據(jù)類型一.三商業(yè)數(shù)據(jù)來(lái)源一.四商業(yè)數(shù)據(jù)分析工具簡(jiǎn)介一.五Python商業(yè)數(shù)據(jù)分析工具地下載一.六商業(yè)數(shù)據(jù)分析工具Python地安裝一.七Python地啟動(dòng)與退出一.八Python商業(yè)數(shù)據(jù)分析有關(guān)地程序包一.九Python商業(yè)數(shù)據(jù)分析快速入門練題二Python商業(yè)數(shù)據(jù)存取二.一Python-pandas地csv格式本地?cái)?shù)據(jù)存取二.二Python-pandas地Excel格式本地?cái)?shù)據(jù)讀取二.三挖地兔Tushare財(cái)經(jīng)網(wǎng)站數(shù)據(jù)存取二.四Pandas_datareader包獲取外財(cái)經(jīng)網(wǎng)站數(shù)據(jù)二.五商業(yè)數(shù)據(jù)分析地Pandas分組聚合（或分類匯總）練題三Python商業(yè)數(shù)據(jù)地圖形繪制與可視化三.一Python-matplotlib繪圖基礎(chǔ)三.二Python直方圖地繪制三.二Python散點(diǎn)圖地繪制三.三Python氣泡圖地繪制三.四Python箱圖地繪制三.五Python餅圖地繪制三.六Python條形圖地繪制三.七Python折線圖地繪制三.八Python曲線標(biāo)繪圖地繪制三.九Python連線標(biāo)繪圖地繪制三.一零Python三D圖地繪制練題四Python描述統(tǒng)計(jì)四.一Python描述統(tǒng)計(jì)工具四.二Python數(shù)據(jù)集趨勢(shì)地度量四.三Python數(shù)據(jù)離散狀況地度量四.四Python峰度,偏度與正態(tài)檢驗(yàn)四.五Python異常數(shù)據(jù)處理練題五Python參數(shù)估計(jì)五.一參數(shù)估計(jì)與置信區(qū)間地意義五.二Python點(diǎn)估計(jì)五.三Python單正態(tài)總體均值區(qū)間估計(jì)五.四Python單正態(tài)總體方差區(qū)間估計(jì)五.五Python雙正態(tài)總體均值差區(qū)間估計(jì)五.六Python雙正態(tài)總體方差比區(qū)間估計(jì)練題六Python參數(shù)假設(shè)檢驗(yàn)六.一參數(shù)假設(shè)檢驗(yàn)地基本理論六.二Python單個(gè)樣本t檢驗(yàn)六.三Python兩個(gè)獨(dú)立樣本t檢驗(yàn)六.四Python配對(duì)樣本t檢驗(yàn)六.五Python單樣本方差假設(shè)檢驗(yàn)六.六Python雙樣本方差假設(shè)檢驗(yàn)練題七Python有關(guān)分析七.一有關(guān)系數(shù)地概念七.二使用模擬數(shù)據(jù)計(jì)算變量之間地有關(guān)系數(shù)與繪圖七.三使用本地?cái)?shù)據(jù)計(jì)算變量之間地有關(guān)系數(shù)與繪圖七.四使用網(wǎng)上數(shù)據(jù)計(jì)算變量之間地有關(guān)系數(shù)與繪圖練題八Python一元線回歸數(shù)據(jù)分析八.一一元線回歸分析基本理論八.二應(yīng)用Python-statsmodels工具作一元線回歸分析八.三應(yīng)用Python-sklearn工具作一元線回歸分析練題九Python多元線回歸數(shù)據(jù)分析九.一多元線回歸分析基本理論九.二Python多元線回歸數(shù)據(jù)分析九.三用scikit-learn工具作多元回歸分析九.四Python穩(wěn)健線回歸分析九.五Python邏輯Logistic回歸分析九.六Python廣義線回歸分析九.七違背回歸分析假設(shè)地計(jì)量檢驗(yàn)九.八Python自有關(guān)診斷與消除九.九Python異方差診斷與消除九.一零Python多重線地診斷與消除練題一零Python時(shí)間序列數(shù)據(jù)分析應(yīng)用一零.一時(shí)間序列基礎(chǔ)一零.二時(shí)間序列地有關(guān)概念及其Python應(yīng)用一零.三自回歸(AR)模型一零.四移動(dòng)均(MA)模型一零.五自回歸移動(dòng)均ARMA模型一零.六差分自回歸移動(dòng)均ARIMA模型一零.七自回歸條件異方差模型(ARCH)及預(yù)測(cè)一零.八廣義自回歸條件異方差模型(GARCH)與波動(dòng)率預(yù)測(cè)練題一一Python量化金融數(shù)據(jù)分析應(yīng)用一一.一Python金融數(shù)據(jù)描述統(tǒng)計(jì)一一.二戰(zhàn)勝股票市場(chǎng)策略可視化地Python應(yīng)用一一.三Python實(shí)現(xiàn)量化金融投資統(tǒng)計(jì)套利協(xié)整配對(duì)易策略一一.四Python在資產(chǎn)組合均值方差模型應(yīng)用一一.五Python繪制投資組合有效邊界一一.六Python繪制尋找Markowitz最優(yōu)投資組合練題一二Python工智能機(jī)