密歇根大学Python 系列之三：Python 数据科学应用项目

Python在数据科学领域的应用已经成为了趋势，同时也在不断地发展和演化。对于从事数据科学相关工作的从业者来说，熟练掌握Python已经成为了必备技能之一。而对于其他从业者来说，了解Python在数据科学领域的应用也可以帮助他们更好地理解数据科学。

Python具有各种能力，成为一种灵活的语言，易于编码或编程，它可以进行各种极难的数学处理，这是数据科学编程的需要。Python编程语言有一个庞大的用户社区，他们在上面工作或使用它，它既用于科学计算，也用于一般计算。

在国内，有人尝试使用Python 进行了有趣和实用的数据科学应用：

股市预测：使用Python来预测股市。对于初学者来说，这是一个很棒的项目，因为它不需要大量数据。
使用卷积神经网络对图像进行分类：使用卷积神经网络对图像进行分类。对机器学习感兴趣的人来说，这是一个很棒的项目。
预测房价：对房地产经纪人来说，预测房价很重要也很困难，因为许多因素都会影响房价。然而，有了正确的数据和一点 Python 编程，就可以创建一个预测房价的模型。第一步是收集近期房屋销售的数据，包括售价、面积、卧室和浴室数量等信息，第二步是对数据进行清理，通过机器学习模型来预测未来的房价变化。

密歇根大学专业的5门Python应用数据科学专项课程在MOOC平台知名度很高，已有超过100万注册学习。你可以学到：（1）推论统计分析；（2）辨别数据可视化的优劣；（3）应用机器学习来增强数据分析；（4）社交网络分析。你可以在MOOC学习平台免费注册学习。

1. Python 数据科学导论

这个课程介绍Python应用数据科学的基础知识，包括：（1）了解内存数据库和操作CSV文件等技术；（2）用于数据科学常见Python功能和特性；（3）查询数据框架结构以进行清理和处理；（4）解释分布、抽样和t检验。

课程为期4周，每周7-13小时。课程主要内容包括：（1）使用Python进行数据操作的基础知识；（2）使用Pandas进行基本数据处理；（3）如何合并数据框架、生成汇总表、将数据分组为逻辑片段以及操作日期；（4）各种统计技术，如分布、抽样和t检验。

2. 在Python中应用绘制、图表和数据表示

你将从这个课程学习数据可视化，重点是使用矩阵库进行报告和绘制图表。（1）是什么造成可视化是好的或不好；（2）创建基本图表的最佳方法；（3）确定最适合解决特定问题的功能；（4）使用matplotlb创建一个可视化工具。

课程为期4周，每周4-9小时。课程主要内容包括：（1）用于思考设计的工具和用于思考创建有效可视化的图形启发式工具；（2）深入研究基本的图表；（3）从简单的静态图像到交互式图表；（4）陈述一个可以使用数据集回答的研究问题，然后使用矩阵库创建一个可视化的，来解决你陈述的研究问题，并证明视觉效果是如何解决你的研究问题。

3. Python在机器学习中应用

你从这个课程学习应用机器学习，更多地关注技术和方法，而不是这些方法背后的统计数据。（1）机器学习与描述性统计学有什么不同？（2）创建和评估数据集群；（3）创建预测模型的不同方法；（4）构建满足分析需求的特性。

课程为期4周，每周7-9小时。课程主要内容包括：（1）机器学习基础；（2）有监督的机器学习：监督学习方法进行分类和回归，学习模型的复杂性和泛化性能之间的联系等；（3）评估和模型选择，理解和优化机器学习模型的性能；（4）更高级的监督学习方法，包括树的集合（随机森林，梯度增强树）和神经网络。

4. Python在文本挖掘中应用

你从这个课程学习文本挖掘和文本操作。包括：（1）如何在Python中处理文本；（2）基本的自然语言处理方法；（3）编写按主题将文档分组的代码；（4）用于操作文本的nltk框架。

课程为期4周，每周5-8小时。课程主要内容包括：（1）了解python如何处理文本，机器和人类的文本结构，以及用于操作文本的nltk框架；（2）常见的操作需求，包括正则表达式（搜索文本）、清理文本和准备供机器学习过程使用的文本；（3）对文本应用基本的自然语言处理方法，并演示如何完成文本分类；（4）探索更高级的方法来检测文档中的主题，并根据相似性对它们进行分组（主题建模）。