01章前期准备
01-01预习视频：Python基础语法（pandas、numpy、条件语句、循环语句）
01-02系统配置：助教远程安装Anaconda（包括Python、Jupyter、extensions）
02章可视化（约1.5天）
02-01厉兵秣马——Python简介与Jupyter配置（学习基本的环境设置，为后期的代码编辑做准备）
02-02雾里看花——可视化基本逻辑与主要误区（数据可视化是什么；数据可视化如何在不同的商业场景中进行应用；当下热门的 “一图看天下”是什么数据可视化的误区有哪些）
02-03无中生有——变量的理解与随机数据生成（产生模拟的数据；对数据进行拼接；对数据进行分割；数据的筛选与补充）
02-04循序渐进——散点图与条形图的进化过程（散点图和条形图的适用数据类型；散点图的主要参数；条形图的主要参数；散点图与条形图的实现；可视化过程中的数据降维问题）
02-05渐入佳境——用饼图与环形图呈现数据比例（饼图与环形图的适用场景，关联与区别，重要参数，代码实现）
02-06秘境寻踪——南丁格尔的往事与玫瑰花图（南丁格尔与玫瑰花图的起源；玫瑰花图的基本原理；玫瑰花图的衍生；相关图像的代码实现）
02-07有条不紊——折线图的设计与多线条呈现（折线图的应用范围，主要参数，代码实现；多折线的呈现技巧）
02-08火眼金睛——分布与箱线图的异常值发现（什么是数据分布；数据分布与异常值；分布与箱线图的主要参数，代码实现）
02-09抽丝剥茧——关联与配对图的相关性识别（关联图与配对图的关系与区别；什么是相关性；关联图与配对图的主要参数，代码实现；图像内涵的信息解释）
02-10冰火相融——日历热力图中的周期性探索（热图的使用场景，数据要求，核心参数，代码实现；如何解读热图）
03章础建模（约1.5天）
03-01线性回归——车位价格的预测（线性回归模型简介；线性回归模型检验；基于python的线性回归模型实现）
03-02决策树——平台风险识别（决策树的基本概念：信息熵、信息增益、GINI；决策树的剪枝；基于Python的决策树模型实现）
03-03聚类分析——城市的特征分析（常用聚类模型简介：层次聚类、K均值聚类、密度聚类；基于Python的层次聚类模型实现）