掌握回归与预测：使用 Pandas 和 Python
学习使用 Pandas 和 Python 进行数据科学、数据分析和机器学习的回归和预测
学习内容：
* 掌握回归、回归分析和预测的理论与实践
* 从简单线性回归模型到多项式多元回归模型及高级多元多项式回归模型
* 使用机器学习自动模型创建与特征选择
* 使用套索回归（Lasso）和岭回归（Ridge）对回归模型进行正则化
* 应用决策树、随机森林、XGBoost 和投票回归模型
* 使用前馈多层网络和高级回归模型结构
* 进行残差分析并评估模型拟合优度与残差分布
* 使用 Statsmodels 和 Scikit-learn 库（结合 Matplotlib、Seaborn、Pandas）进行回归分析
* 掌握 Python 3 编程（包括原生数据结构、面向对象编程、函数设计）
* 使用 Pandas 处理文件、合并数据框（concat、join、merge）
* 执行数据准备任务（缺失值填补、数据标准化、数据分组与透视）
* 使用 Pandas、Matplotlib 和 Seaborn 进行高级数据可视化
课程内容主题：
* Python 3 编程基础与高级对象导向编程
* Pandas 2/3 数据处理库的深度应用（数据清洗、转换、分析）
* 回归模型原理与实践（线性回归、多项式回归、正则化技术）
* 机器学习模型（随机森林、XGBoost、决策树）与集成方法
* 高级数据可视化（Matplotlib、Seaborn）与残差分析
* 云计算环境搭建（Anaconda Cloud Notebook）与数据科学工作流
课程要求：
* 具备使用 Windows、MacOS、Linux 等操作系统的基础经验
* 需要联网计算机以访问课程资源
* 无需编程基础，课程包含完整教学
* 仅使用免费软件（如 Anaconda、Jupyter Notebook）
* 提供云计算与 Windows 10/11 环境搭建指导视频
课程详细描述：
* **全面覆盖数据科学核心技能**：从 Python 编程到 Pandas 数据处理，再到回归模型与机器学习算法，系统化构建数据科学知识体系。
* **实践导向的学习路径**：通过 41 小时视频教程，结合真实案例（如数据清洗、模型评估、可视化），强化动手能力。
* **进阶模型与工具应用**：涵盖 Lasso/Ridge 正则化、XGBoost 高级算法、神经网络结构，以及 Statsmodels 与 Scikit-learn 的深度实践。
* **职业竞争力提升**：掌握数据科学家 80% 工作时间的核心技能（数据处理），为机器学习工程、数据分析等岗位奠定基础。
* **跨平台学习支持**：提供云环境（Anaconda Cloud）与本地开发（Windows/Mac/Linux）的双重配置方案，适应不同学习需求。
* **适合人群广泛**：无论零基础学员、有其他编程语言经验者，还是希望提升 Python/Pandas 技能的进阶学习者，均可从中获益。
