• 第1周初见Python

  从搭建Python环境和了解代码规范开始，了解Python变量与基本数据类型，并利用分支和循环完成基本函数编写。

• 第2周开启Python编程之旅

  学习Python的类，进行面向对象的Python编程，并完成读取文件和处理异常。学会使用常见标准库和第三方库。

• 第3周用Python编写爬虫

  介绍爬虫和网页，学会解析HTML，并利用Python完成基本数据爬取程序，以及使用scrapy完成复杂网站数据爬取。

牛刀小试：医保欺诈行为分析，通过简单案例引入数据分析数学知识以及完成一个简单的分析案例。

• 第4周描述性分析处理

  介绍医保欺诈问题的数据背景，并对数据进行清理和预处理。并通过变量关系，分析哪些变量对医保欺诈更具有现实意义的关系。

• 第5周推断性分析处理

  通过聚类分析来识别出疑似有欺诈行为的病人，掌握建模技巧，训练评估的完整过程。

庖丁解牛：揪出那个电耗子，通过一个相对复杂的案例，加深数据排序、清洗和特征转换， 并利用逻辑回归、支持向量机SVM算法模型完成电力欠费用户预测。

• 第6周案例背景解读

  介绍电力公司欠费预测的案例背景，以及相关数据解读。并对数据进行排序，清洗，和特征转换。

• 第7周逻辑回归

  利用Python语言，通过逻辑回归模型，对数据进行建模，训练和评估，完成电力欠费的预测。

• 第8周支持向量机SVM

  利用Python语言，通过支持向量机SVM模型，对数据进行建模，训练和评估，对比预测的实际效果。

茧丝牛毛：共享单车使用数据大揭秘，通过该案例完成一个复杂的完整的数据工程，包含数据爬取、清洗、建模、分析以及可视化。

• 第9周案例背景及数据预处理

  了解案例的基本情况，掌握数据预处理的基本方法。

• 第10周描述性分析

  熟练掌握python中的可视化技术，并能从中找到数据间的关系及特征。

• 第11周站点画像

  学习主成分分析方法降维的基本原理，K-means聚类算法的原理和步骤，应用到数据集中，对站点画像。

• 第12周站点使用情况预测

  学习决策树，随机森林，线性回归算法，贝叶斯参数估计，并使用这些模型来对站点满载与空载进行预测，比较模型间的优劣。

• 第13周朴素贝叶斯算法和分类回归树算法

  理解朴素贝叶斯算法、分类回归树算法 ，树回归算法的基本原理，以及其常见的应用场景。

• 第14周毕业大设计

  独立挑战一个数据分析实战项目：社会收入影响因素分析，通过企业导师在线辅导，完成项目设计和编码，并提交毕业设计作品。

• 第1-14周找到一份好工作

  智联高管教您面经，让您求职前充分准备，搞定面试官。并了解初入职场的沟通技巧，以及职场规划。

• 第1-14周数据科学引论(Python之道)选修课

  了解数据科学的知识体系，并且初步具备使用Python语言及其工具来进行数据分析的能力。