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。
为什么Python被誉为全世界最高效的编程语言，让我们来一起了解一下~
1.
交互式命令行
Python
可以单步直译运行。运行Python解释器进入交互式命令行的环境，你可以在提示符号>>>旁输入代码，Enter键输出结果：
print("Hello, Python!")
Hello, Python!
有点像Shell 脚本的执行方式。
2.
不只是脚本
原因是“脚本语言”泛指仅作简单编程任务的语言如Linux shell script、 JavaScript等，它们只能处理简单的任务而Python是面向对象编程（OOP)的，支持异常处理和类型检查。Python的支持者较喜欢称它为一种高阶动态编程语言。
3.
强大易用的标准库
核心库不超过10Mb
Html
、 Xml解析：
BeautifulSoup, Expat
字符串处理：
字典、数组切片、正则表达式 re
单元测试：
PyUnit
代码版本控制：
PySVN
网络访问：
urllib2
图形模块：
Tkinter、 PyTCL、WxPython
串行化、多线程等
扩展标准库十分容易
4..
胶水语言(gluelanguage)
Python
经常用作将不同语言编写的程序“粘”在一起的胶水语言。Google内部的很多项目使用C++编写性能要求极高的部分，然后用Python调用相应的模块。
C/C++:
Boost.Python
使得 Python 和 C++ 的类库能互相调用（ .pyc）
Java:
Jython
是用Java实现的Python，可同时使用二者的类库
NET:
IronPython
是Python在.NET平台上的版本
5.
收放自如(scalability)
Python
内建的数据结构（ variable, list 和dict）以及对多线程分布式操作的支持，使得程序可以用相同的代码处理不同规模的数据，以及并发的用户需求。
6.
不要括号
Python
使用缩进而不是括号来进行代码段标识，减少了视觉上的混乱，并且使程序变短，从而提高了程序的可读性。
7.
程序员的三大美德
@
懒惰：
能让人尽量减少总能量支出的美德。它使你写出节省脑力、可以重用的码；也督促你为程序写注释和文档，那样你就不用回答各种问题。所以它是程序员的第一大美德。所以有了这本书。参见下两条。
@
不耐烦：
当电脑想偷懒时你爆发的怒气. 它使你写的代码能主动预测、而非被动满足用户需求，至少装作是这样。所以它是程序员的第二大美德。参见懒惰和傲慢。
@
傲慢：
自傲到人神共愤的程度，也是一种品质，能使你编写(维护)的程序让人无可指摘。所以它是程序员的第三大美德.
8.
知名的Python应用
Zope
： www.zope.com
一个应用程序服务器，具有内容管理、团队开发、 XML、面向对象、 SOAP接口等一系先进特性，开源。
Gadfly
：http://www.chordate.com/gadfly.html
一个用Python写的面向对象关系型数据库，具有小巧、快速、可移植性好的特点，具有大部分SQL语言特性。开源。
Wallbase:http://wallbase.net
Python
编写的图片站点。
uTorrent :http://www.utorrent.com
BitTorrent
下载软件，主程序仅2Mb，支持ipv6地址解析。开源。
Torchlight:torchlight.perfectworld.com
Python
编写的大型3D游戏，原Blizzard公司人员制作发行，开源
如果你对Python这门神奇的语言感兴趣，并且专注于数据挖掘领域。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，欢迎参加~
北京&远程：2017年7月01-02，08-09，15-16日（6天）
课程费用：现场班5900元，远程班4400元
授课安排：
(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
官网端：
微信端：
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：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：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
4.
特征变量选择：主成分和因子等
5.
样本聚类分析
案例1:汽车类型聚类与地域购买偏好分析
6.
决策树模型
7.
模型验证+组合算法
案例2:电信离网用户预警
第三阶段：KNN与线性回归分析
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：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：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
