| 技能模块 | 能力培养目标 |
|---|---|
| 数据处理基础 | 掌握Numpy矩阵运算与Pandas数据清洗技巧 |
| 可视化分析 | 熟练运用Matplotlib实现多维度数据呈现 |
| 机器学习应用 | 构建KNN、决策树等经典算法实战模型 |
从Jupyter Notebook环境配置到Numpy数组操作，重点讲解广播机制在金融数据处理中的实际应用。通过股票数据模拟案例，掌握时间序列分析的基本方法。
使用Pandas完成零售行业销售数据的清洗转换，涉及缺失值多重插补技术与异常值检测方法。结合超市会员消费数据，实践RFM客户价值分层模型。
基于Matplotlib构建动态疫情数据看板，实现多子图联动展示。结合Plotly完成电商用户行为数据的交互式可视化呈现。
| 案例名称 | 技术要点 | 产出成果 |
|---|---|---|
| 招聘网站岗位分析 | 文本数据清洗、词频分析 | 岗位需求趋势可视化报告 |
| 二手房价格预测 | 特征工程、回归模型构建 | 房价影响因素权重分析 |
| 航空公司客户分群 | 聚类算法、价值评估 | 客户生命周期管理方案 |
