开张课。我们直接开门见山，对着文档先把最基本的东西学一下。注意:关键看视频中的学习方法,而不是去死记硬背知识点.

课时内容较多，请大家注重课后反复操练。看懂并不代表会了。

这节课我们来理解一些很容易混淆的概念。以及面向对象的进一步学习

这节课我们来学习模块的导入。这是 Python中很重要的概念。

这节课我们来学习如何安装外部的库，很多同学系统做爬虫，那么我们来装个相关的解析库，如beautiful soup 。后面做实例用

这节课我们学到最基本的文件读取和异常处理。下节课是一个案例课，请大家做好复习工作

逐步的我们将完成初步的基础语法学习，要进入案例。在案例中学习更多的基础知识。这节课我们来逐步接触网络编程

这节课是套路训练课，把我们前面快速学到的知识来做个小程序。使用urllib和bs4来分析基金网站的数据。请大家根据课程内容加强课后练习

这节课进入数据库操作篇。先从基本的入手,pymysql

上节课学习了pymysql后，那么肯定我们实战中要使用ORM框架。手写SQL和ORM使用往往是共存的，没有哪个好哪个不好

本课时涉及知识点较多，请做好课后笔记和练习工作.由于我们抓取的网站第二页开始是ajax形式执行的。因此使用前面课时的方法肯定是不行的

今天我们介绍两个第三方库，用来实现网页的模拟自动点击、自动填充。也为了后面抓取基金网站JS地址做好知识准备。

上节课简单触摸了phantomjs+selenium，这节课我们正式来抓基金网站。同时我们顺手补一下基础知识点：装饰器

到今天我们已经具备了完整抓取JS内容的能力，本节课同时来实现一下多进程抓取。初步入门一下python的多进程编程

第一章即将进入尾声，我们开始逐步入手分析统计库，对我们的数据进行简单分析和统计。同时放出第二章和第三章的内容预告。本节课课后作业很重要

这节课我们继续来触碰pandas功能。我们通过抓取的基金明细数据来统计出下跌次数最多的月份

前面对pandas进行热身后，我们要开始适当学习下基础.今天我们入门第一个数据结构Series

今天继续学基础（速过），请大家课后一定要看文档。后面我们会通过些案例来帮助大家理解

基础简单入门后，我们要即刻进行案例训练，而不是反复在那看基础，没用。这节课我们把pandas在web中的辅助场景进行模拟训练

以订单数据为例，有时候我们需要根据用户的消费对他们进行三六九等的划分。那么用pandas 就能非常方便的处理

今天我们来学习如何处理apache日志，并且做一些分析统计训练

为了更好的进行数据分析(挖掘）的可视化展现，今天我们来入手一个很知名的绘图库matplotlib

这节课开始我们要适当的触碰下机器学习，从而完成对python的一个大概了解。里面涉及到的一些知识点如果懵懂可以适当囫囵吞枣。先有个大体概念为好

通过上节课的热身，今天我们正式进入机器学习。我们先从经典的推荐算法开始

上节课入门了余弦相似性后，我们会发现这里面有一些问题。譬如喜欢打低分和高分的同学相似性竟然很一致，对于这种问题我们该怎么处理呢?

今天的课时很简单，用到了欧式距离。请大家区分之前讲的余弦相似性和欧式距离在实战中的使用差别

本节课扩展下欧式距离，以及实战场景使用

今天我们将开始入手KNN。这是分类算法中最常用最基础的算法之一，利用它可以介入到我们的推荐场景中

今天我们来对上节课讲到KNN做一些深入，请大家预习，到底如何把KNN集成到我们的推荐算法中

这节课进入我们的关键部分，如何通过前面的知识点获取口味和你相似的用户们

这节课我们进入第三章分类算法的学习。首先我们将入门最经典的tf-idf计算方法。

为了后面课时的理解，这节课我们来进行一个数学的恶补：贝叶斯公式的理解

这节课学完后，下节课我们就要代码来演示了

学了两节课理论，那么这节课我们来做些代码了。内容很简单，手工创建些样本，然后搞一个测试文本。用sklearn试试它到底属于哪个类

这节课我们来个真实的数据集，我们使用搜狗实验室的新闻数据进行数据清洗、新闻分类，并且测试分类结果的准确性

今天是附加课，也是本课程最后一节。 后面我们会针对其他机器学习算法分开讲解