Video description
课程简介
9小时以上的视频教学
尽管已经有很多数据科学和机器学习的资源课程，本课程与以往的相比，还是有很明显的优势。这门完整的视频课程填补了这一空白——它是专门让学生学习如何用Python编写数据科学程序和机器学习而设计的。尽管已经有很多数据科学和机器学习的资源课程，本课程与以往的相比，还是有很明显的优势。。通过本课程，学生们将学习Python的基础知识，并为数据科学做好准备。
Noah Gift和Kennedy Behrman让不具备编程背景学生通过掌握足够多的python知识，为数据科学做准备公司正在寻找能够创建洞察力驱动系统的开发人员，因为他们现在正成为企业成功的关键因素。很少有专业人士经过足够的培训来提供大规模软件工程和机器学习/AI方面技能。这是一个新兴领域，我们正在开发培训，以满足市场的这一需求。
Get技能
你将学习什么
学习谷歌Colab记事本进行数据科学编程
学习数据科学中使用的Python的基本子集
学习使用流行的Python库（如pandas和numpy）操作数据
学习如何将Python数据科学方法应用到实际项目中
学习数据科学特有的函数编程基础知识
Table of Contents
介绍
Python数据科学完整视频课程视频培训：简介
第1课：Python的过去和未来
学习目标
1.1数据科学中的Python历史
1.2 Python数据科学库概述
1.3 Python在AI、ML和数据科学领域的未来趋势
第2课：Colab简介
学习目标
2.1创建第一个Colab文档
2.2管理Colab文件
2.3使用magic功能
2.4了解与Jupyter的兼容性
第3课：Python基础
学习目标
3.1编写程序代码
3.2使用简单表达式和变量
3.3使用内置类型
3.4学会Print
3.5执行基本数学运算
3.6使用带点符号的类和对象
第4课：Python中的字符串
学习目标
4.1使用字符串方法
4.2字符串格式
4.3操作字符串：membership, slicing和concatenation
4.4学会使用unicode
第5课：Python数据结构
学习目标
5.1使用列表和元组
5.2浏览词典
5.3分组
5.4使用numpy数组
5.5使用Pandas数据帧
5.6使用Pandas系列
第6课：数据转换方法
学习目标
6.1将列表转换为dicts并返回
6.2将dicts转换为Pandas数据帧
6.3将字符转换为整数并返回
6.4在十六进制、二进制和浮点之间转换
第7课：执行控制
学习目标
7.1学会用for循环
7.2用while循环重复
7.3学会处理异常
7.4使用条件
第8课：Python中的函数
学习目标
8.1编写和使用函数
8.2学会使用decorators
8.3组合闭包closure 函数
8.4使用lambdas表达式
8.5高级功能使用
第9课：数据科学库
学习目标
9.1学习NumPy
9.2学习SciPy
9.3学习Pandas
9.4学习TensorFlow
9.5使用Seaborn绘制二维图
9.6使用Plotly进行交互式绘图
9.7专业可视化库
9.8学习自然语言处理库
第10课：函数式编程
学习目标
10.1了解函数编程
10.2将功能应用于数据科学工作流
10.3使用map/reduce/filter
10.4使用列表解析
10.5使用字典解析
第11课：惰性计算
学习目标
11.1使用generators
11.2设计generator管道
11.3实现Lazy计算功能
第12课：模式匹配
学习目标
12.1进行简单的模式匹配
12.2使用正则表达式
12.3学习文本处理技术：Beautiful Soup库
第13课：用Python排序
学习目标
13.1在Python中排序
13.2创建自定义排序函数
13.3 Pandas数据排序
第14课：Python中的I/O
学习目标
14.1读写文件：文件、pickle、CSV、JSON
14.2Pandas读写：CSV，JSON
14.3使用web资源进行读写（请求、boto、github）
14.4使用基于功能的并发
第15课：分享你的工作
学习目标
15.1使用Github共享
15.2创建Kaggle Kernels
15.3与Colab合作
15.4使用Plotly发布公共图形
第16课：案例研究
学习目标
16.1 PyTest使用
16.2 Visual Studio Code使用
16.3 Vim使用
16.4 Ludwig（开源AutoML）
16.5 Sklearn算法清单
16.6建议
总结
总结