缺口在哪：别把数据处理和算法当成一锅乱炖

这门课的主题是 Python 数据分析与人工智能基础，解决的是“理论背得滚瓜烂熟，上手连 NumPy 数组都建不明白”的脱节问题。它适合两类人：一是准备转岗做数据分析或算法辅助开发的在职人员；二是刷竞赛平台时总卡在数据清洗和预处理环节的备考者。课程门槛并不高，不要求精通高阶微积分，但默认你已经写过基本的 Python 语法，懂列表推导式和字典操作。如果你连基础的循环都要现查，建议先花一周补纯编程基础再回来。别假装什么都会，环境搭不起来、依赖包冲突报错，后面所有的矩阵运算都是空中楼阁。这门课的价值就在于帮你把底层的地基夯实，而不是教你玄学调参。

学习顺序与门槛：环境与矩阵运算是生死线

资料编排是按天推进的，千万别跳着看。第一块必须死磕 Anaconda 集成环境搭建和 Jupyter 基本使用，这是整门课的运行底座。很多人代码跑不起来，不是逻辑写错了，而是环境变量冲突、内核死活连不上。第二块是 NumPy 的核心操作：ndarray 创建、随机数生成、切片、级联、reshape、矩阵运算、文件读写和排序。这部分看着枯燥，但它是后续所有数据清洗和模型喂料的骨架。建议看视频时同步开一个空白 Notebook，讲师敲一行你跟一行。遇到 reshape 维度对不上、切片级联报错，就立刻停下来在纸上画矩阵结构图。别只看不练，眼睛会了手不会，睡一觉全忘。资料包里提到的竞赛平台介绍也别快进略过，那是你后续脱离玩具数据、找真实数据集练手的渠道。

学完产出与资料用法：能独立跑通数据预处理链路

看完这套基础并严格配合练习后，你应能独立完成这些具体动作：在本地用 Jupyter 搭建分析环境、读取结构化文件、用 NumPy 做矩阵运算和统计聚合、对数组进行切片和重塑。更进一步，你能看懂别人写的向量化代码，遇到维度不匹配的报错能快速定位是级联方向错还是形状不符。资料配合练习的方式很直接：视频里讲一个函数，你就在本地造一个小数组跑一遍；讲完矩阵运算，自己写一段代码求均值方差并排序；讲完文件读写，去竞赛平台下载公开数据集读进来看分布。别等全部看完才动手，每学半天就练半天。查漏补缺的人重点翻矩阵运算和切片级联，这两块是面试和实操的高频雷区，错了整个数据分析的下游全崩。

课程目录

1-1 [day01] 自我介绍 (01:00:37)
1-2 [day01] 数据分析自己环境搭建 (44:59)
1-3 [day01] 数据分析Anaconda集成环境安装 (15:50)
1-4 [day01] 数据分析介绍竞赛平台 (02:31:23)
1-5 [day01] jupyter基本使用 (01:07:04)
1-6 [day01] numpy创建对象ndarra (24:25)
1-7 [day01] numpy随机创建函数切片操作级联&reshape (01:00:13)
2-1 [day02] numpy基础操作操作 (57:46)
2-2 [day02] numpy矩阵运算文件读写统计 (58:17)
2-3 [day02] numpy排序 (15:37)
2-4 [day02] 课前分享翁继星 (16:10)
2-5 [day02] opencv入门 (36:42)
2-6 [day02] opencv人脸识别 (38:39)
2-7 [day02] opencv操作视频以及摄像头 (59:59)
3-1 [day03] 蔡胜分享数据库 (14:03)
3-2 [day03] homework (53:41)
3-3 [day03] 音视频操作numpy深度 (54:53)
3-4 [day03] Series创建和索引切片以及运算 (55:58)
3-5 [day03] DataFrame创建常用方法 (01:20:07)
3-6 [day03] pandas空值的处理 (50:38)
4-1 [day04] pandas多层索引 (40:25)
4-2 [day04] pandas分组聚合！！！ (30:11)
4-3 [day04] pandas级联操作 (32:28)
4-4 [day04] pandas级联merge操作 (25:21)
4-5 [day04] pandas处理美国人口数据案 (43:15)
4-6 [day04] 金融函数 (10:23)
4-7 [day04] pandas数据加载常规 (35:26)
4-8 [day04] pandas读写mysql (21:38)
4-9 [day04] pandas去重映射map (34:24)
4-10 [day04] pandas异常值处理和随机抽 (19:55)
5-1 [day05] 张飒分享 (06:12)
5-2 [day05] pandas时间序列处理苹果股票 (35:01)
5-3 [day05] 美国大选政治献金01 (18:01)
5-4 [day05] 美国大选政治献金02 (36:01)
5-5 [day05] 美国大选政治献金03 (22:51)
5-6 [day05] 美国大选政治献金04 (24:43)
5-7 [day05] 美国大选政治献金05 (34:14)
5-8 [day05] 美国大选政治献金06 (18:15)
5-9 [day05] 美国大选政治献金07 (30:32)
5-10 [day05] 美国大选政治献金08 (41:10)
6-1 [day06] 胡宗泉分享数据库 (11:22)
6-2 [day06] scipy中傅里叶变化处理噪声 (48:48)
6-3 [day06] scipy积分操作 (18:53)
6-4 [day06] scipyio操作以及misic操作图片 (12:35)
6-5 [day06] scipy中ndimage操作图片 (28:22)
6-6 [day06] scipy矩阵和稀松矩阵 (17:14)
6-7 [day06] pandas中绘图函数 (30:25)
6-8 [day06] 拉格朗日填充空数据 (44:50)
6-9 [day06] 彩色图片降维成黑白图片 (10:59)
6-10 [day06] matplotlib基础知识 (41:53)
7-1 [day07] 张启明分享 (13:40)
7-2 [day07] pyecharts使用 (19:12)
7-3 [day07] matplotlib风格和样式 (20:26)
7-4 [day07] 刻度显示以及对属性的设置方式 (17:21)
7-5 [day07] 直方图条形图和极坐标图 (28:22)
7-6 [day07] 三维图形和图形内注释以及饼图散点图 (37:54)
7-7 [day07] 机器学习原理 (29:04)
7-8 [day07] KNN原理和入门案例 (38:34)
7-9 [day07] kNN手写数字（一） (30:55)
7-10 [day07] KNN手写数字优化（二） (21:03)
8-1 [day08] 陈相钻分享微信自动回复和聊天机器人 (07:12)
8-2 [day08] KNN预测年收入情况 (01:04:37)
8-3 [day08] KNN保存模型 (31:33)
8-4 [day08] 线性回归概述 (42:23)
8-5 [day08] 线性回归的原理 (15:47)
8-6 [day08] 线性回归预测波士顿的房价 (31:23)
8-7 [day08] 梯度下降 (29:38)
8-8 [day08] 梯度下降求解斜率和截距 (38:48)
8-9 [day08] 线性回归模型评价指标 (29:23)
9-1 [day09] 张涛分享git (22:23)
9-2 [day09] KNN癌症检测 (46:52)
9-3 [day09] Ridge原理 (01:04:16)
9-4 [day09] Ridge使用 (18:10)
9-5 [day09] 王新鑫分享git (06:48)
9-6 [day09] Lasso套索回归原理 (11:59)
9-7 [day09] 线性回归岭回归套索回归异同 (26:24)
9-8 [day09] 回归自动补全下半张人脸 (39:19)
9-9 [day09] 逻辑斯蒂回归原理 (55:18)
9-10 [day09] 逻辑斯蒂使用 (24:21)
10-1 [day10] 施慧玲分享 (08:19)
10-2 [day10] 逻辑斯蒂回归原理 (21:38)
10-3 [day10] 信息熵 (30:29)
10-4 [day10] 决策树原理 (34:11)
10-5 [day10] 决策树的使用 (31:57)
10-6 [day10] 随机森林和极度随机森林 (30:08)
10-7 [day10] adaboost提升算法 (42:01)
10-8 [day10] gbdt提升算法 (37:52)
10-9 [day10] gbdt提升算法回归模型 (11:58)
10-10 [day10] xgboost使用 (34:26)
10-11 [day10] LGBM提升算法 (10:24)
11-1 [day11] 龚诗清分享 (09:34)
11-2 [day11] GBDT梯度提升树原理 (20:39)
11-3 [day11] 贝叶斯原理介绍 (21:30)
11-4 [day11] 朴素贝叶斯原理 (25:44)
11-5 [day11] 朴素贝叶斯三种概率分布模型使用 (20:00)
11-6 [day11] 文本处理介绍nlp (20:51)
11-7 [day11] 词频统计 (29:43)
11-8 [day11] 词频与tf-idf提取文本数据的特征量化 (26:13)
11-9 [day11] 新闻分类 (33:55)
11-10 [day11] nltk介绍 (15:20)
11-11 [day11] gensim中word2vec (27:32)
11-12 [day11] 支持向量机原理 (32:58)
11-13 [day11] 支持向量机非线性问题 (32:06)
12-1 [day12] 施慧玲git分享 (14:42)
12-2 [day12] SVM线性划分 (40:34)
12-3 [day12] SVM非线性划分 (31:26)
12-4 [day12] SVM回归问题 (14:53)
12-5 [day12] SVC人脸识别（一） (27:40)
12-6 [day12] SVC人脸识别（二） (19:26)
12-7 [day12] SVC人脸识别（三） (16:08)
12-8 [day12] SVC人脸识别（四） (10:38)
12-9 [day12] PCA原理 (52:20)
12-10 [day12] Kmeans原理 (10:47)
12-11 [day12] Kmeans使用 (12:32)
12-12 [day12] Kmeans评价指标 (21:24)
12-13 [day12] GridSearchCV (40:03)
13-1 [day13] 许京城 (11:37)
13-2 [day13] 特征工程 (01:01:27)
13-3 [day13] 模型评价指标 (37:30)
13-4 [day13] ROC-AUC曲线的绘制 (21:34)
13-5 [day13] ROC-AUC使用鸢尾花数据进行绘制 (28:07)
13-6 [day13] ROC-AUC平均ROC曲线 (20:01)
13-7 [day13] KS洛伦兹曲线 (23:58)
13-8 [day13] 金融反欺诈（一） (21:01)
13-9 [day13] 金融反欺诈（二） (36:52)
13-10 [day13] 金融反欺诈（三）数据删除 (24:13)
13-11 [day13] 金融反欺诈（四）修改阈值调控 (44:39)
14-1 [day14] 刘鑫 (11:04)
14-2 [day14] tensorflow-playground (37:18)
14-3 [day14] tensorflow入门使用 (17:17)
14-4 [day14] tensorflow基础操作 (48:07)
14-5 [day14] tensorflow线性回归 (27:17)
14-6 [day14] 交叉熵 (39:22)
14-7 [day14] tensorflow实现类逻辑 (55:19)
14-8 [day14] 卷积认识 (21:20)
14-9 [day14] 卷积运算 (23:50)
14-10 [day14] 卷积处理噪声图片 (08:02)
14-11 [day14] 卷积操作彩色图片 (28:06)
15-1 [day15] 卷积神经网络的构造 (45:49)
15-2 [day15] VGG19卷积神经网络 (11:43)
15-3 [day15] tensorflow实现卷积神经网络识别mnist (01:31:39)
15-4 [day15] tensorboard (28:57)
15-5 [day15] cnn-captcha(一) (40:09)
15-6 [day15] cnn-captcha（二） (50:27)
15-7 [day15] cnn-captcha(三) (31:49)