免费资料 | Python 修炼完全指南，承包你的小白到大神之路

最近一两年
你是否频频听到“Python”这个词？

当你的同学/同事讨论得热火朝天；
当面试的HR灵魂拷问能否上手；

如果你的反应是：
“什...什么？pithon, pyton，paton?”

那么，是时候托马斯全旋提升自我了！

如果你想成为一个数据科学家，
或者已经在从事数据类工作，仍想拓展工具库...

我们为你准备了一个
全面的学习路径来进行数据分析

学院君看你印堂发亮，
这位有缘人，请留步看看这份——

Python修炼完全手册

STEP 0
Python 学习热身活动

入门前的你一定想问，Python 到底能做什么？

用途广泛，各行利器

即便是非专业编程人员，也能深切体会 Python 召之即来，来之能战的抗打属性——

量化研究，对语言文本做情感分析，各类用户调研/产品舆论/顾客喜好偏向/情绪表达等领域...

工作生活中你觉得机械化、不想做的、懒得做的事情，python 总能用几行代码帮你搞定。

我是零基础学习，需要准备什么？

学院为 Step 0 零基础的你准备了一份入门必备书单，连推荐理由都列得清清楚楚！

不得不给大家墙裂案例这本 Thinksats for Programmers，中文名为《统计思维：程序员数学之概率统计》，为程序员量身定做了基于 Python 的统计学的基础内容。

这本书着重介绍了应用在真实数据集的简单技术，还可以解答很有趣的统计问题。书中的样本都是美国国家卫生研究院的真实数据哦~

STEP 1
设置你的机器

好了，既然你已经下定决心，那么现在现在就来设置你的机器吧~

最简单的方法就是——打开学院为你准备的安装包+指导教程。

在安装过程中面临到任何挑战，都可以在安装教程中找到详细贴心的指导~！

STEP 2
基础知识储备

正式开始学习后，你应该首先了解语言、库和数据机构的基础知识，逐渐熟悉语言的基本概念。

为了帮助大家了解Python, 快速感受到它的魅力，学院君要带领大家一起——

「1小时初步了解 Python」

学院给大家备好了一节课，清晰地帮助你了解 Python 语言的基本元素和数据结构。

在宝贵的 1 小时公开课里，你将学到变量和类型、数组&字典、常用命令等知识~

STEP 3
学习 Python 中的数据清理

▌数据清理的方法有很多——

填充数据：np.ramdom.choice.（指进行一些随机选择）

ffill,即 forward fill，简单来说就是用前一个数据来填充现在的数据

正则表达式

独热编码

在这个阶段，学院君为大家整理了 Python 入门课中所提到的多种数据清理方法。

这其中，尤其重要的正则表达式，是对字符串操作的一种逻辑公式。学会这套规则，可以利用极简单的方式达到对字符串的复杂控制，大大提升写码的效率！

在尝试用 Python 编码前，学院还打包了一份正则表达式的学习资料~有课有图表！

除了这个，学院君还要给你安利一个特别好用的网站！有整理好的正则表达式的 cheatsheet，还支持一键搜索！示范一个先~

地址在这：
https://www.debuggex.com/cheatsheet/regex/python

STEP 4
学习Python的科学计算库

学完了数据清理，可以来接触科学计算库啦！

初学计算库，可以从经典的 Numpy 数据库开始，形成一个良好的数据基础，以备后续更高阶的内容学习。接着可以学习炒鸡可爱的——Pandas 滚滚包！

虽然 Pandas 的名字很萌，但是可别小看它。

它是 Python 学习中经常接触到的一个数据包，为 Python 提供了数据帧的功能，会成为所有中等规模的数据分析最有效的工具。

关于这些包的用处，请看这里~

SciPy 的学习，推荐这个网站

https://docs.scipy.org/doc/scipy/reference/tutorial/

Matplotlib 的学习，可以看这里

http://nbviewer.jupyter.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb

STEP 5
Python的数据可视化

不能做酷炫可视化的语言不是好语言，不会做可视化的学员不是好学员，来扒~了解可视化的原理，尝试制图的操作！

数据可视化可是 Python 在数据分析方面非常重要的应用！

在这一步中，学院的手册不仅教大家制作很基础的图，还会教收盘价格随时间变化的走势图，K 线图等非常实际的应用图表。

STEP 6
学习 Scikit-learn 和机器学习

Scikit-learn 是 Python 最有用的机器学习库，是专门用于机器学习的模块。

它主要的机器学习方式包括分类，回归，数据降维，数据预处理等等，包含了常见的大部分机器学习方法。

在机器学习这一部分，我们会采用经典的fit数据集，来给大家普及一下机器学习中的监督学习和非监督学习。

除此之外，还会学习三个基础的机器学习模型：逻辑回归，决策树和随机森林。

最后，会应用机器学习中常用的验证模型 cross validation 来验证你的项目是否合格~

STEP 7
去 Kaggle 参加竞赛实践吧

如果你小有所成，可以试试参与 Kaggle 上的项目实战了，不 try 怎么知道自己还没会呢？

Kaggle 于 2010 年在墨尔本被创立，主要为开发商和数据科学家们提供举办机器学习竞赛、托管数据库、编写和分享代码的平台。

图片来自Kaggle网站

学院君将给大家安利 Kaggle 上最最热门的十个数据集！

1. Titanic: Machine Learning from Disaster

Start here!
Predict survival on the Titanic and get familiar with ML basics

泰坦尼克号生还者预测是 Kaggle 竞赛上热度最高的初级项目之一，迄今为止，参赛的队伍已经超过 1w 支。
2. House Prices-Advanced Regression Techniques

Predict sales prices
practice feature engineering, RFs, and gradient boosting

3. Digit Recognizer

CV starts here！Learn computer vision fundamentals with the famous MNIST data

等等...（资料包里安排）

STEP 8
向深度学习进击

既然已经学习了大部分的机器学习技术，你已经是一个成熟的 Python 玩家，是时候进击 Deep Learning 啦！

学院君要推荐的网站 Deeplearning.net，可以看到几乎所有的学习资源——讲座，数据集，挑战，教程，其他的书籍等等。

其他一些优质的深度学习资源网站也一并打包啦~

Python 修炼完全手册总览

没错，从一只小白，到数据大神的学习资料，

学院统统都给你承包啦

报名规则和方式

长按识别此二维码，
回复关键词
「指南」
即可获得报名入口

宾大博士机器人小班课

准备好迎接腾飞了吗

发过50篇SCI的教授带你玩转SCI论文

传播学理论与论文技巧小班课

哈佛博士带你入门深度学习

计算机领域热门方向解锁

√常青藤Phd领路

用高品质论文发表创造学术影响力

在热门领域拥有一席之地

世界顶尖学府学姐学长独家论文秘笈

新课预报

更多优质课程，即将上架，敬请期待！