-
章节1：Python与数据科学应用
-
课时1：数据科学简介与应用 免费13:27
-
课时2：Python与数据科学 免费08:30
-
课时3：安装Anaconda 免费06:35
-
课时4：使用Jupyter Notebook 免费12:01
-
课时5：Python 3语法变量类型 免费01:49
-
课时6：Python 3语法之列表05:15
-
课时7：Python 3语法之元组02:49
-
课时8：Python 3语法之字典06:00
-
课时9：Python 3语法之for循环，if分支语句08:09
-
课时10：Python 3语法之函数03:41
-
课时11：Python 3语法之模块导入04:26
-
课时12：Python 3语法之代码保存与分享02:13
-
课时13：数据科学步骤详解03:36
-
课时14：实战范例 - 使用Python计算文章中的字词频率18:41
-
章节2：数据搜集实例
-
课时15：数据型态04:10
-
课时16：结构化vs半结构化vs非结构化数据11:00
-
课时17：Python IO与档案处理06:18
-
课时18：处理CSV格式数据05:06
-
课时19：处理Excel格式数据03:38
-
课时20：处理JSON格式数据05:30
-
课时21：处理XML格式数据03:15
-
课时22：网络爬虫架构12:40
-
课时23：使用开发人员工具07:23
-
课时24：BeautifulSoup撰写网络爬虫（1）14:15
-
课时25：BeautifulSoup撰写网络爬虫（2）11:40
-
课时26：实战范例 - 房天下(Fang.com)屋价资料搜集(1)17:46
-
课时27：实战范例 - 房天下(Fang.com)屋价资料搜集(2)10:17
-
课时28：实战范例 - 房天下(Fang.com)屋价资料搜集(3)03:20
-
章节3：资料清理(I)
-
课时29：资料清理概论07:32
-
课时30：简介Pandas -使用Pandas处理资料(1)12:18
-
课时31：简介Pandas -使用Pandas处理资料(2)05:47
-
课时32：资料筛选19:13
-
课时33：侦测遗失值09:12
-
课时34：补齐遗失值16:52
-
课时35：实战范例 - 房屋资料处理30:18
-
章节4：资料清理(II)
-
课时36：资料转换24:06
-
课时37：处理时间格式资料13:53
-
课时38：重塑资料13:07
-
课时39：学习正规表达式(1)14:55
-
课时40：学习正规表达式(2)22:49
-
课时41：实战范例 - 新闻资料处理(1)16:14
-
课时42：实战范例 - 新闻资料处理(2)13:22
-
章节5：资料探索与资料视觉化
-
课时43：使用Pandas产生叙述性统计25:55
-
课时44：如何使用Pandas绘制统计图表(1)05:24
-
课时45：如何使用Pandas绘制统计图表(2)14:16
-
课时46：实战范例 - 网页浏览纪录资料分析29:40
-
章节6：资料储存实例
-
课时47：关联式资料库- SQLite简介28:34
-
课时48：将资料储存至资料库中29:13
-
课时49：使用SQL Query分析结构化资料26:54
-
课时50：实战范例 - 汇率资讯储存与管理28:18
-
章节7：使用机器学习建立数据模型(回归模型)
-
课时51：机器学习基础10:37
-
课时52：Scikit-Learn套件简介09:07
-
课时53：监督式学习与非监督式学习23:05
-
课时54：回归分析(1)20:22
-
课时55：回归分析(2)06:58
-
课时56：回归分析(3)15:34
-
课时57：回归模型评估29:21
-
课时58：实战范例 - 使用回归模型分析房屋价格13:39
-
章节8：使用机器学习建立数据模型(分类模型)
-
课时59：资料分类-决策树(1)12:42
-
课时60：资料分类-决策树(2)26:14
-
课时61：资料分类- Logistic Regression15:54
-
课时62：资料分类- SVM23:45
-
课时63：资料分类-类神经网路(1)23:26
-
课时64：资料分类-类神经网路(2)14:06
-
课时65：资料分类-随机森林11:29
-
课时66：实战范例 - 使用分类模型预测客户流失18:23
-
章节9：使用机器学习建立数据模型 (验证模型)
-
课时67：混淆矩阵（Confusion Matrix )与其意义18:53
-
课时68：交叉验证(Cross Validation)27:51
-
课时69：使用ROC评估不同分类模型28:10
-
课时70：实战范例 - 评估不同客户流失分析模型27:04
-
章节10：使用机器学习建立数据模型(资料分群)
-
课时71：分群方法-阶层式分群29:53
-
课时72：分群方法- Kmeans分群23:52
-
课时73：分群方法- DBScan分群25:20
-
课时74：分群结果评估20:47
-
课时75：实战范例 - 利用分群找出文章主题17:55
-
章节11：使用机器学习建立数据模型(特征筛选与降低维度)
-
课时76：特征筛选(Feature Selection)28:46
-
课时77：特征萃取-PCA22:57
-
课时78：特征萃取-SVD18:48
-
课时79：实战范例 - 使用SVD 压缩图档10:12
-
章节12：使用机器学习建立数据模型(关联与频繁样式分析篇)
-
课时80：关联分析(Association Rule)27:33
-
课时81：频繁样式探勘(Frequent Pattern Mining)16:56
-
课时82：实战范例 - 购物篮分析实例11:25
