课程名称
用Python进行数据挖掘-从通用的数据挖掘流程到推荐系统、自然语言处理
【温馨提示：1. 你可以在PC端浏览器或者微信收藏该页面，以方便你快速找到这个课程；2. 课程相关资料可在课程PC端公告查看下载；3.加入课程后，点(课时)列表即可观看视频 】
讲师介绍
背景：浙大硕士，曾在BAT等大公司实习，现BAT某司NLP研究员。校招收获多个主流互联网公司『数据挖掘相关岗位』的 (sp) offer，有丰富的面试经验和项目经历兴趣点：机器学习理论及应用，凸优化，自然语言处理从事项目：推荐系统，对话机器人博客专栏：数据挖掘机养成记博客专栏 https://ask.hellobi.com/blog/DataMiner
课程风格
本课程内容均为本人原创，干货至上！
实践穿插理论
杜绝脱离实际的空谈，杜绝拖沓的讲解，杜绝纯粹的调包侠，杜绝拿来主义！
你将从本课程收获
数据挖掘基本流程的快速上手
基于python的数据挖掘算法库
本人对特定问题的思考和总结
推荐系统、自然语言处理相关的理论和实践
你不会学到
网上可轻易获取的公开资料（如 Python及其算法库的安装、库的文档、常见的基础理论等）
空泛的概念
艰深的数学推导
脱离互联网数据挖掘实际的（如 统计学里某些理论）
课程大纲(持续修改更新)
| 课时 | 课程内容 |
|---|---|
| 开篇 | 课程介绍及开发环境配置 |
| 第一讲 | 优雅高效地数据挖掘——基于 sklearn_pandas |
| 番外 | 深挖 OneHot 和 Dummy 背后的玄机 |
| 第二讲 | 数据挖掘流程通用框架之『概述』 |
| 第三讲 | 数据挖掘流程通用框架之『特征工程——从基础到高级』 |
| 番外 | 如何将词表示成向量 |
| 第四讲 | 数据挖掘流程通用框架之『模型融合』 |
| 第五讲 | 搭建一个简单的推荐系统之『协同过滤』 |
| 第六讲 | 搭建一个简单的推荐系统之『矩阵分解』 |
| 番外 | 浅谈二分类评价指标——P/R/F1/ROC/AUC |
| 番外 | 深究 AUC 和 ROC 的内在联系 |
| 第七讲 | 搭建一个简单的推荐系统之『组合推荐』 |
| 番外 | 谱聚类漫谈 |
| 第八讲 | 检索式聊天机器人——基于 NLTK |
| 第九讲 | 生成式聊天机器人——基于 Tensorflow |
| 番外 | Softmax 与 LR 的推导过程比较 |
| Todo | 未完待续 |
课前准备
线性代数，概率论
python基础知识
机器学习、数据挖掘常识性内容
友情提示
1、PC端如果发现浏览器无法观看课程，建议使用谷歌浏览器观看；移动端建议直接微信打开课程页面
2、【在微信加入课程的用户注意】请微信收藏课程页面或者关注微信公众号：天善智能（点“我的”即可查看你已加入的课程），已方便下次学习。
3、课程相关资料可在课程PC端公告查看下载；
5、加入学习后请添加客服微信：tianshansvip（请注明：公司+职位+姓名），邀请你加入微信课程群
