[PYTHON] Essayons l'analyse! ~ Data Scientist a également commencé à coder ~ Par Fringe81

introduction

Avant d'entrer dans la première partie, j'expliquerai brièvement le but et la composition de toute la série. L'objectif principal de cette série est de fournir les connaissances et compétences suivantes:

• Technologie de collecte / traitement / agrégation / visualisation de données (de l'installation de l'outil à l'utilisation).
• Connaissance de l'apprentissage automatique, des statistiques et des exemples pratiques simples (certains sont des explications mathématiques).

En fournissant ces connaissances dans la scène d'utilisation pratique, le processus métier Nous aimerions fournir des conseils pour l'automatisation, l'accélération, la stabilisation et la mise à l'échelle.

Essayez également d'expliquer le plus soigneusement possible et utilisez vous-même les outils et les méthodes d'analyse. L'un des objectifs est de pouvoir l'utiliser.

Cette série est comme indiqué dans le tableau ci-dessous (sujet à changement) Il se compose d'une édition d'introduction, d'une édition pratique et d'un sujet avancé (prévu).

Édition introductive

Partie 1 Introduction

• Chapitre 1: Utilisation de la technologie analytique - D'un point de vue commercial
• Chapitre 2: Jetons un coup d'œil à la méthode d'analyse!

Partie 2 Introduction à l'analyse apprise dans Excel

• Chapitre 3: Coopération entre Excel et MySQL
• Chapitre 4: Lier Excel et MySQL 2 importation de données csv
• Chapitre 5: Utilisation des outils d'analyse et des solveurs Excel (retour, méthode du carré minimum)
• Chapitre 6: Application d'Excel Solver (optimisation de portefeuille)
• Bonus 2-1: Apprentissage amélioré avec Excel VBA (Q-learning, sélection d'action ε-gourmande / softmax)
• Bonus 2-2: Simulation Monte Carlo avec Excel VBA (méthode Metropolis: exemple de modèle 2D ascendant)

Partie 3 Visualisation des données (non limitée au big data)

• Chapitre 7: Visualiser les données à l'aide du diagramme Sankey de Google Charts

Édition pratique

Partie 4 Commencer à analyser avec Python / Scala

• Chapitre 8: Environnement d'analyse pour Windows créé avec Python et Eclipse (PyDev)

Partie 5 Utilisons la bibliothèque de calcul numérique

Partie 6 Utilisons Hadoop (Streaming)

Partie 7 Jouez avec Spark / Shark dans Scala

Partie 8 Jouons avec l'API Twitter

Partie 9 Jouons avec l'API Facebook

Partie 10 Analyse d'optimisation

Partie 11 Analyse des séries chronologiques (analyse d'autocorrélation, analyse de corrélation mutuelle)

Partie 12 Analyse du réseau

Partie 13 Apprentissage automatique Apprentissage supervisé (clustering)

Partie 14 Apprentissage automatique sans apprentissage des enseignants (renforcement de l'apprentissage)

Partie 15 Simulation de Monte Carlo

Sujet avancé (provisoire)

Partie 16 Ingénierie financière et physique des particules élémentaires (théorie)

Partie 17 Physique économique (théorie)

Appendix

• A-1: Installez CUDA6.5 sur Windows 7 Professionnel + Visual Studio Express 2013

Dans la partie introductive, nous commencerons par l'utilisation d'Excel, qui semble familier à de nombreuses personnes. Nous allons progressivement intensifier l'utilisation des outils d'analyse et des solveurs, et l'intégration avec MySQL. Après avoir expliqué comment utiliser les outils, nous expliquerons la méthode d'analyse qui les utilise. À la fin de la partie introductive, nous présenterons également des outils de visualisation. Dans la section pratique suivant la section d'introduction, nous présenterons des techniques d'analyse capables de gérer des traitements de données plus complexes en utilisant des langages de script et des API.

Le sujet avancé est différent des éditions d'introduction et pratique, et concerne le processus stochastique. Je vais reprendre le côté théorique. Cela change avec le temps du monde Les données ont un comportement probabiliste et la connaissance de ce concept est la scène commerciale. Cependant, cela peut être utile.

Ce qui précède est une vue d'ensemble de cette série.

Le but de cette série est d'introduire des compétences d'analyse spécifiques, Avant de plonger dans les détails, le reste de la partie 1 expliquera brièvement ce qui suit:

• Avantages de l'utilisation de méthodes d'analyse pour les cycles économiques.
• Vue d'ensemble des différentes méthodes d'analyse.

Dans les articles de la deuxième partie, comment utiliser les outils individuels et Nous entrerons dans l'explication des méthodes d'analyse individuelles.