- 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 Regression 15:54
- 课时62：资料分类- SVM 23:45
- 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-PCA 22:57
- 课时78：特征萃取-SVD 18:48
- 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
