Python的代码清晰易读

援引开源运动的领袖人物Eric Raymond的说法：“Python语言非常干净，设计优雅，具有出色的模块化特性。其最出色的地方在于，清晰易读的代码，特别适合以渐进开发的方式构造项目”。

Python的可读性使得即使是刚学不久的人也能看懂大部分的代码，Python庞大的社区和大量的开发文档更是使得初学者能够快速地实现许许多多令人惊叹的功能。

对于Python的程序，人们甚至有时会戏称其为“可执行的伪代码（executablepseudo-code）”，以突显它的清晰性和可读性。

Python复杂网络分析

复杂网络不仅是一种数据的表现形式，它同样也是一种科学研究的手段。复杂网络方面的研究目前受到了广泛的关注和研究，尤其是随着各种在线社交平台的蓬勃发展，各领域对于在线社交网络的研究也越来越火。Python有个package叫networkx可以用来实现复杂网络分析。

下图分别是一个航空网络（上图）和Facebook网络全球友谊图（下图）：

Python机器学习

机器学习是英文单词“Machine Learning”（简称ML）的直译，从字面上便说明了这门技术是让机器进行“学习”的技术。然而我们知道机器终究是死的，所谓的“学习”归根结底亦只是人类“赋予”机器的一系列运算。这个“赋予”的过程可以有很多种实现，而Python正是其中相对容易上手、同时性能又相当不错的一门语言。

在算法实现的过程中，Python语言本身的设计，可以帮助用户避开程序语言数量不少的陷阱；Python还可以提供“写程序，就是将公式以另一种语言再写一遍即可”这样完美的感觉；除了是免费的，还有大量的库来支持。

Python推荐系统

现如今，网站用推荐系统为你提供个性化的体验，告诉你买啥，吃啥甚至你应该和谁交朋友。

为帮用户高效挑选商品，电子商务、社交媒体、视频和在线新闻平台已积极部署了他们自己的推荐系统，这是一个双赢的策略。

推荐系统两个最普遍的类型是基于内容过滤法和协同过滤法。协同过滤法基于用户对商品的评价信息来产生推荐，是用大众的智慧来推荐内容。相比之下，基于内容推荐系统关注的是商品的属性，基于它们之间的相似度给你推荐。

大体上，协同过滤（CF）是推荐引擎工作的是主力。这一算法有一个很有趣的特点，它能够自主学习，这意味着它能够开始学习哪些特点能为己所用。协同过滤又可分为基于内存的协同过滤和基于模型的协同过滤。在此教程中，你将实现运用奇异值分解的基于模型协同过滤法和通过计算余弦相似性的基于内存协同过滤法。

4月29-5月1日

假期三天张忠元老师带你掌握

Python编程，机器学习，复杂网络分析，推荐系统，并讲解Python统计原理与案例实战，18小时全面Hold住 #全能Python#

培训时间：2018年4月29-5月1日 (三天)

培训地点：北京市海淀区丹龙大厦附近

授课安排：上午9:00至12:00; 下午1:30至4:30; 答疑

培训费用：3000元 / 2600元(本科及硕士学生价)；食宿自理

讲师介绍

张忠元, 2008年在中科院数学与系统科学研究院获理学博士学位，现任中央财经大学统计学院教授，博士生导师，也是中国计算机学会高级会员、果壳网科学顾问。主业是数据分析, 尤其是复杂网络分析，主要讲授回归分析、运筹学、数学分析等课程。

主要研究兴趣在复杂网络分析和数据挖掘. 在Data Mining and Knowledge Discovery, PhysicalReview E, EPL, Knowledge and Information Systems, Scientific Reports, 中国科学等国内外著名期刊上发表学术论文十余篇。

爱思唯尔杰出审稿人, 担任Data Mining and Knowledge Discovery,Physica A, Management Science等著名期刊的匿名审稿人。

课程导引

近年来公众越来越关注大数据和数据分析，随着互联网和人工智能的快速发展，许多问题都可以通过数据分析加以研究, 为决策提供更坚实的依据.

本次三天的课程力图结合不同案例讲授数据分析领域基本知识.

这门课使用Python作为载体，结合理论知识进行实际操作，使学生不仅理解数据分析的基本方法，同时掌握使用Python的基本实际计算技能.

在内容的安排上，我们遵循由浅入深，循序渐进的思路，结合实际应用展开讲解.

课程大纲

第1讲 Python编程基础（3小时）

Python编程基础知识, 包括基本数据类型, 基本编程结构, 函数, 脚本文件, 数据分析的常用模块.

第2讲 Python机器学习（3小时）

有监督学习, 包括kNN方法, 支持向量机, 随机森林和神经网络.

无监督学习, 包括kmeans, 谱聚类,DBSCAN, 非负矩阵分解和双聚类.

关联规则.

第3讲 Python推荐系统（3小时）

特征工程,包括特征选择和特征提取.

推荐系统.

时间序列分析.

孤立点探测.

第4讲 Python中的统计学原理（3小时）

统计学的基本思想和常见误用.

描述性统计.

回归和方差分析.

非参数统计.

数据可视化.

第5讲 Python复杂网络分析（3小时）

复杂网络分析,包括复杂网络的建模、复杂网络的拓扑结构分析和复杂网络的功能分析.

第6讲 Python案例实战（3小时）

案例:通过对包括美国肥胖数据分析、信用卡欺诈数据分析、英超赛季表现分析和脸书社交数据分析等至少四个案例的讲解综合展示数据分析方法的使用.

优惠

现场班老学员9折优惠；

同一单位3人以上同时报名9折优惠；

折扣优惠不叠加。

报名流程

1：点击“阅读原文”，网上填写信息提交；

2：进入结算中心，通过订单支付；

3：给予反馈，确认报名信息；

4：开课前一周发送课程电子版讲义，软件准备及交通住宿指南。