包了

这是一门为没有编程背景但希望学习基本Python编程的计算机知识人士开设的课程. 该课程针对的是那些想要学习“数据处理”的人——操作下载的文件，使其易于分析. 我们专注于语言基础，如列表和字符串操作, 控制结构, 简单的数据分析包, 并介绍了从网上下载数据的模块.

这门课程是对使用Python编程语言的数据科学的全面介绍. 这门课程的目标是那些拥有一些编程基础知识并希望将其提升到下一个层次的人. 它介绍了如何使用Python中的不同数据结构，并涵盖了最流行的数据分析和可视化模块, 包括numpy, scipy, 熊猫, matplotlib, 和seaborn. 我们使用Ipython笔记本演示代码的结果，并在整个课程中交互地更改代码.

本课程是一门35小时的课程，旨在全面介绍R. 你将学习如何加载, 保存, 以及如何转换数据以及如何编写函数, 生成图表, 用数据拟合基本统计模型. 除了一个理论框架，你将学习数据分析的过程, 本课程的重点是数据分析和可视化所需的实用工具. 在课程结束时, 你将掌握加工的基本技能, 操作和分析各种类型的数据, 创建先进的可视化, 生成报告, 记录你的代码.

这是一门为没有编程背景但希望学习基本Python编程的计算机知识人士开设的课程. 该课程针对的是那些想要学习“数据处理”的人——操作下载的文件，使其易于分析. 我们专注于语言基础，如列表和字符串操作, 控制结构, 简单的数据分析包, 并介绍了从网上下载数据的模块.

这门课程是对使用Python编程语言的数据科学的全面介绍. 这门课程的目标是那些拥有一些编程基础知识并希望将其提升到下一个层次的人. 它介绍了如何使用Python中的不同数据结构，并涵盖了最流行的数据分析和可视化模块, 包括numpy, scipy, 熊猫, matplotlib, 和seaborn. 我们使用Ipython笔记本演示代码的结果，并在整个课程中交互地更改代码.

这个20小时的Python机器学习课程涵盖了所有基本的机器学习方法和实现它们的Python模块(特别是Scikit-Learn). The five sessions cover: simple and multiple Linear regressions; classification methods including logistic regression, 判别分析和朴素贝叶斯, support vector machines (SVMs) and tree based methods; cross-validation and feature selection; regularization; principal component analysis (PCA) and clustering algorithms. 在顺利完成本课程后, 您将能够解释机器学习算法的原理，并使用Python实现这些方法来分析复杂的数据集并进行预测.

这门35小时的机器学习与R课程介绍了机器学习算法的理论基础以及它们在R中的实际应用. 它将向您介绍数据挖掘, 性能度量和降维, 回归模型, 线性和广义, KNN和Naïve贝叶斯模型, 树模型, 支持向量机以及关联规则进行分析. 在顺利完成本课程后, 你将能够分解主要机器学习算法背后的数学, 解释机器学习算法的原理, 并实现这些方法来解决现实世界的问题.

这个20小时的Python机器学习课程涵盖了所有基本的机器学习方法和实现它们的Python模块(特别是Scikit-Learn). The five sessions cover: simple and multiple Linear regressions; classification methods including logistic regression, 判别分析和朴素贝叶斯, support vector machines (SVMs) and tree based methods; cross-validation and feature selection; regularization; principal component analysis (PCA) and clustering algorithms. 在顺利完成本课程后, 您将能够解释机器学习算法的原理，并使用Python实现这些方法来分析复杂的数据集并进行预测.

这是一个为期6周的晚间项目，提供了大数据技术的Hadoop和Spark生态系统的亲身介绍. 本课程将涵盖Apache Hadoop: HDFS的这些关键组件, MapReduce和流, 蜂巢, 和火花. 编程将用Python完成. 本课程将从示例所需的Python概念的回顾开始. 课程形式是互动的. 学生需要带笔记本电脑来上课.