文本大数据抓取与挖掘专题

本课程内容已全部发布，未来将根据学员反馈不定期更新。【学员基础】有EXCEL之类的Office软件使用经验即可，不要求事先接触/使用过网页抓取工具。【课程大纲】序章：网络爬虫，有啥可怕，不写代码，照样干翻！案例一：先拿某浪新闻开刀案例二：双11之后伸向某宝的黑手案例三：微博很牛？照样学习！案例四：微信公号，统统拿下！尾声：我们和专业爬虫工程师相比还差什么？彩蛋：如果你需要高速抓取静态页面网站【课程长度】总时长：12小时【视频清晰度】1080P，请学习时在播放器右下角将视频清晰度调为超清格式。

Pandas包是基于Python平台的数据管理利器，已经成为了Python进行数据分析和挖掘时的数据基础平台和事实上的工业标准，学习其使用方法，是使用Python进行数据分析和数据挖掘的必备条件。本课程将从中国高校综合排名和北京PM2.5实测数据两个实际案例出发，在实战中学习Pandas包的使用方法。学习完本课程后，学员将能够独立使用Pandas包完成数据读入、数据清理、数据准备方面的工作，学习如何使用统计图表工具进行数据信息呈现，为后续进一步进行数据分析建模和数据挖掘打下坚实基础。本课程已全部连载完成，未来将根据Pandas功能的变化不定期更新内容。【更新历史】2021年3月，对数据包和下载课件进行了更新2020年9月，针对课程发布后Pandas至最新的 1.1.1 版增加的新功能对各章节做了增补和更新2020年3月，增加第13章：如何优化Pandas2020年3月，更新第2章：增加如何无缝读写SPSS数据文件，增加对读写命令的整体介绍【课程长度】总时长：9小时【学员基础】学员需要懂得Python语言的基本编程知识，可以先学习免费课程“Python语言轻松入门”。学员事前不要求学习统计分析的基本知识。学员事前不要求有任何统计软件的使用经验。

请至PC端网页下载本课程代码课件及数据。文本挖掘（TM），又称自然语言处理（NLP），是AI时代炙手可热的数据分析挖掘前沿领域，其所涉及的人机对话系统，推荐算法，文本分类等技术在BAT等企业中都得到广泛应用。本课程将使用经典武侠小说、大众点评抓取结果、微博语料数据等多个实际案例进行教学。本次课程将会从基本的分词、词袋模型、分布式表示等概念开始，多面介绍文本挖掘技术的各个方面，特别会针对目前最热的word2vec，gensim 等结合实际案例进行学习，帮助学员直接升级至业界技术前沿。学习完本课程后，学员将能够独立使用Python环境完成中文文本挖掘的各种工作。本课程已全部更新完毕，未来将根据方法学的**进展做不定期更新。【课程长度】总时长：约11小时【学员基础】学员需要懂得Python语言的基本编程知识。建议学员事先学习本系列课程中的Pandas课程，本课程中的数据管理将会用到Pandas的相关知识和操作。【课程大纲】第1章：文本挖掘概述第2章：磨刀不误砍柴工第3章：分词第4章：词云展示第5章：文档信息的向量化第6章：关键词提取第7章：抽取文本主题第8章：文本相似度第9章：文档分类第10章：情感分析第10章：自动摘要第11章：自动写作