Python是一门面向对象的编程语言，它相对于其他语言，更加易学、易读，非常适合快速开发。Python 具有简单、易学、免费、开源、可移植、可扩展、可嵌入、面向对象等优点，它的面向对象甚至比java和C#.net更彻底。在WEB应用开发、网络编程、科学计算、图形界面开发等方面，Python都迅速占据了市场席位。
正所谓，读万卷书，行万里路。下面推荐几本Python数据挖掘的图书，以飨读者。
1. Python编程基础
《Python简明教程》：Python编程入门的系统介绍，适用初学者。
2. 数据挖掘与机器学习
《数据挖掘：概念与技术》：入门书，理论多，好像是很多研究生学数据挖掘的教材，很详细，孟小峰老师的翻译还是不错的，相对很多翻译很烂的还是可以的。
《数据挖掘导论》：最近几年数据挖掘教材中比较好的一本书，被美国诸多大学的数据挖掘课作为教材
《机器学习实战》：基本上都是实例为主，代码很详细，讲的也很通俗易懂，github上可以下载代码
3. Python做数据挖掘
《Python进行数据分析》：这本书是pandas模块的作者写的书，一句话总结：Pandas使用手册。如果用Python做数据分析，基本上Pandas是必不可少的包。
《Pandas》：使用Pandas手册。
《Python科学计算》：Python科学计算手册。
当然，行万里路同样重要。如果你对Python项目实战感兴趣而又苦于无法找到更好的入门方法。CDA LV II-Python定位于商业数据挖掘领域，大牛王小川老师带你从Python编程讲起，稳扎稳打，到数据挖掘流程和商业案例项目实战。本课程注重业务与算法的深入结合，在轻松的氛围内体会算法的奇妙之处。
北京&远程：2017年1月07-08，14-15，21-22日（6天）
授课安排：现场班5900元，远程班4400元（
限时特价见官网&微店
）
(1) 授课方式：面授直播两种形式，中文多媒体互动式授课方式
(2) 授课时间：上午9:00-12:00，下午13:30-16:30，16:30-17:00(答疑)
(3) 学习期限：现场与视频结合，长期学习加练习答疑。
1.在线填写报名信息
2. 给予反馈，确认报名信息
3. 网上缴费
4. 开课前一周发送电子版课件和教室路线图
第一阶段：[1.07]数据挖掘与Python入门
1.数据分析前沿建模分析思路
2.建模分析软件对比
3.Python语法基础
4.Python的运算符与表达式
5.Python的函数与模块
6.Python的异常处理与文件操作
7.Python科学计算
8.Python绘图篇
9.Python连接数据库-Mysql篇
第二阶段：[1.08]数据挖掘模型与组合算法
1.数据挖掘模型介绍与模型分类
2.数据挖掘标准流程CRSIP-DM
3.数据准备、预处理与数据转化
3.特征变量选择：主成分和因子等
4.样本聚类
案例1:汽车类型聚类与地域购买偏好分析
5.决策树模型
6.模型验证+组合算法
案例2:电信离网用户预警
第三阶段：[1.14]KNN与线性回归
1.最近邻域法（KNN）、MBR、样条曲线
2.线性回归与岭回归
3.可实现的Lasso算法
4.线性回归做客户价值预测
5.最近领域法与贝叶斯网络
6.关联规则与购物篮分析
案例3:婚恋网站被约会可能性预测
案例4:零售业客户价值预测模型
第四阶段：[1.15]逻辑回归与SVM
1.逻辑回归；广义线性模型
2.支持向量机
案例5：新闻内容分类
案例6：银行贷款问题
案例7：金融数据分析建模
第五阶段：[1.21]文本分析与社会网络分析
1.文本分析流程概述
2.常用字符串函数与正则表达式
3.分词与词频统计
4.社会网络分析
案例8:电信客户交友圈与流失预警
案例9:电信再入网客户身份指纹识别
案例10：新闻内容分类
案例11：构造新闻热点词指数
第六阶段：[1.22]综合案例分析
1.电信离网用户预测案例
2.银行信用风险建模分析
3.系统聚类：基于网站定位数据的商圈分析
4.情感分析：基于电商产品数据的情感分析
5.金融数据分析：基于因子库的数据建立
