01章前期準備
01-01預習視頻：Python基礎語法（pandas、numpy、條件語句、循環語句）
01-02系統配置：助教遠程安裝Anaconda（包括Python、Jupyter、extensions）
02章可視化（約1.5天）
02-01厲兵秣馬——Python簡介與Jupyter配置（學習基本的環境設置，為后期的代碼編輯做準備）
02-02霧里看花——可視化基本邏輯與主要誤區（數據可視化是什么；數據可視化如何在不同的商業場景中進行應用；當下熱門的 “一圖看天下”是什么數據可視化的誤區有哪些）
02-03無中生有——變量的理解與隨機數據生成（產生模擬的數據；對數據進行拼接；對數據進行分割；數據的篩選與補充）
02-04循序漸進——散點圖與條形圖的進化過程（散點圖和條形圖的適用數據類型；散點圖的主要參數；條形圖的主要參數；散點圖與條形圖的實現；可視化過程中的數據降維問題）
02-05漸入佳境——用餅圖與環形圖呈現數據比例（餅圖與環形圖的適用場景，關聯與區別，重要參數，代碼實現）
02-06秘境尋蹤——南丁格爾的往事與玫瑰花圖（南丁格爾與玫瑰花圖的起源；玫瑰花圖的基本原理；玫瑰花圖的衍生；相關圖像的代碼實現）
02-07有條不紊——折線圖的設計與多線條呈現（折線圖的應用范圍，主要參數，代碼實現；多折線的呈現技巧）
02-08火眼金睛——分布與箱線圖的異常值發現（什么是數據分布；數據分布與異常值；分布與箱線圖的主要參數，代碼實現）
02-09抽絲剝繭——關聯與配對圖的相關性識別（關聯圖與配對圖的關系與區別；什么是相關性；關聯圖與配對圖的主要參數，代碼實現；圖像內涵的信息解釋）
02-10冰火相融——日歷熱力圖中的周期性探索（熱圖的使用場景，數據要求，核心參數，代碼實現；如何解讀熱圖）
03章礎建模（約1.5天）
03-01線性回歸——車位價格的預測（線性回歸模型簡介；線性回歸模型檢驗；基于python的線性回歸模型實現）
03-02決策樹——平臺風險識別（決策樹的基本概念：信息熵、信息增益、GINI；決策樹的剪枝；基于Python的決策樹模型實現）
03-03聚類分析——城市的特征分析（常用聚類模型簡介：層次聚類、K均值聚類、密度聚類；基于Python的層次聚類模型實現）