一、Excel

1.Excel基本认识

2.Excel数据处理

3.Excel数字录入与定义

4.数据分列合并

5.单元格引用、跨工作表

6.公式求值、文本函数

7.基础函数应用

8.统计函数和数组的应用

9.sum、vlookup函数

10.offset函数与index函数胡应用

11.数据透视表介绍

12.数据透视图

13.图表

14.控件

15.power query

16.power view

17.PowerPoint

18.powerview

19.powerpivot

20.powermap

二、MySQL

1，Mysql介绍

2.数据表的操作

3.ER模型和约束条件

4.对数据的操作

5.分组和HAVING子句

6.模糊查询和通配符

7.连接查询

8.子查询

9.电商案例-表查询

10.电商案例-表结构说明

11.电商案例-建表

12.电商案例--业务查询

13.电商案例-购买力查询

14.电商案例-销售查询

15.方法论-图表分析法

16.方法论-5W2H

17.小组分组介绍

18.餐饮数据分析案列讲解（1）

19.餐饮数据分析案列讲解（2）

三、统计理论

1.数学概况

2.数学模型的介绍

3.矩阵的运算

4.特征值、特征向量

5.极限

6.导数微分简介

7.偏导数

8.泰勒公式

9.数据概括性度量

10.离散程度的度量

11.正态分布

12.F分布&点估计

13.最大似然估计

14.区间估计

15.两个总体参数区间估计

16.假设检验

17.两个总体参数的检验

18.协方差和相关系数

19.回归模型

20.回归系数推断

四、SPSS

1.SPSS课程简单介绍

2.SPSS软件功能

3.数据类别的介绍

4.SPSS数据库连接和图表

5.正态分布

6.SPSS中假设检验介绍

7.统计相关系数

8.相关性和回归平方和

9.方差分析

10.线性回归模型介绍

11.卡方

12.逻辑回归推导

13.逻辑回归实施

14.缺失值理论说明

15.缺失值实施

16.模型解释

17.相关性检验

18.因子分析

19.聚类分析介绍

20.K-mean聚类的实现

21.客户价值

22.价值细分

23.邮政编码响应率

24.联合分析

25.数据变换

五、R

1.R语言入门

2.R数据类型

3.R数据对象

4.R读取数据

5.读写与子集

6.列表

7.缺失值与ATTACH

8.向量化运算

9.常用基本函数

10.日期&时间

11.字符处理函数

12.控制结构

13.函数

14.循环函数

15.分组函数

16.排序函数

17.分箱和连接

18.描述性分析

19.R探索性图表

20.R二维图

21.Lattice和ggplot2绘图

22.R基础绘图函数

23.基本统计学概念

24.假设检验

25.T检验

26.方差分析

27.相关分析VS卡方检验

28.简单线性回归

29.R语言实现线性回归

30.多元线性回归

31.模型诊断与评估

32.逻辑回归原理

33.梯度上升法

34.ROC曲线

35.逻辑回归实操

36.聚类分析引言

37.层次聚类

38.K-means聚类

39.R语言实现聚类分析

40.主成分分析基本思想

41.R语言实现主成分分析基本算法

42.主成分与聚类分析应用

43.主成分与逻辑回归应用

3-14-1.SVM引言

3-14-2.SVM基础理论

3-14-3.SVM算法

3-14-4.R语言进行SVM分类

3-14-5.SVM引言

3-14-6.线性SVM

3-14-7.非线性SVM

3-14-8.SVM的R建模

3-15-1关联规则相关概念

3-15-2Apriori算法

3-15-3Apriori案例分析

3-15-4Apriori案例分析R实现

3-15-5数据分类

3-16-1.决策树基本概念

3-16-2.决策树ID3算法

3-16-3.决策树C4.5算法

3-16-4.决策树剪枝

3-16-5.决策树CART算法

3-17-1.R语言实现回归树

3-17-2.R语言实现分类树

3-17-3.bagging分类

3-17-4.随机森林基本算法

3-17-5.R语言实现随机森林建模

3-19-1.贝叶斯公式

3-19-2.朴素贝叶斯分类

3-19-3.手算模型

3-19-4.R语言实现贝叶斯建模

3-20-1.神经网络介绍

3-20-2.感知器学习算法

3-20-3.感知器实现直线拟合

3-20-4.BP神经网络

3-21-1.数据挖掘介绍

3-21-2.电影票房预测案例

3-22-1CRM_信用评分_WOE和IV计算

3-22-2计算评分

3-22-3代码实现

3-25-1案例简介

3-25-2聚类算法介绍

3-25-3邮轮案例介绍

3-25-4案例实施1

3-25-5案例实施2

3-26-1案例总述

3-26-2profile计算

3-26-3mean及corr计算

3-26-4建模

3-27-1逻辑回归简介

3-27-2profile计算

3-27-3recoding&corr计算

3-27-4建模

3-28-1决策树基本原理

3-28-2信息增益&C4.5

3-28-3CCp计算

3-28-4决策树R实施

3-28-5决策树R实施2

3-29-1.时间序列的特征

3-29-2.时间序列模型

3-29-3.模型预测及建模流程

3-29-4.时间序列应用案例

3-30-1.推荐系统基础

3-30-2.购物篮和关联规则

3-30-3.R语言实现关联规则

3-30-4.相似度推荐和协同过滤

3-30-5.R语言实现系统过滤

3-30-6.基于内容的推荐

4-28-1.携程出行产品案例分析

六、Python

4-3-1.Python简介

4-3-2.变量赋值

4-3-3.字符串

4-3-4.列表和字典

4-4-1.分支结构

4-4-2.循环

4-4-3.循环练习

4-9-1.自定义函数

4-9-2.自定义函数调用

4-9-3.高级函数

4-9-4.time、datetime、random模块

4-9-5.三元表达式4-9-5

4-11-1.错误和异常

4-4-11-2.模块

4-11-3.Python类

4-11-4.在Python中连接数据库

4-12-1.数组基本操作

4-12-2.切片和索引

4-12-3.数据框基本操作

4-12-4.Pandas数据清洗

4-13-1.Pandas过滤和排序

4-13-2.Pandas apply函数

4-13-3.pandas数据处理

4-14-1.pandas计算RFM

4-14-2.pandas练习1

4-14-3.pandas练习2

4-16-1.爬虫基本原理

4-16-2.爬取图片

4-16-3.数据抓包

4-16-4.反爬与反反爬

4-16-5.post抓取有道翻译

4-17-1.抓取淘宝数据

4-17-2.正则表达式抓取猫眼数据

4-17-3.抓取新闻数据

4-17-4.抓取动态页面

4-17-5.Scrapy框架

4-18-1.从规则到统计和统计语言模型

4-18-2.词向量

4-18-3.中文分词

4-18-4.代码实现分词和词向量

4-18-5.词云图

4-19-1.Logistic回归和KNN

4-19-2.贝叶斯和SVM

4-19-3.文本分类

4-19-4.文本聚类

4-19-5.情感分析

4-24-1.推荐系统概述

4-24-2.冷启动和EE问题

4-24-3.基于紧邻的协同过滤

4-24-4相似度计算以及两种算法的比较

4-24-5.代码进行相似度计算

4-25-1.基于内容的推荐

4-25-2.TF-IDF文本向量化

4-25-3.基于矩阵分解的推荐

4-25-4.代码实现推荐系统

七、数据分析在相关行业中的运用

4-20-1.互联网金融产品和用户介绍

4-20-2.风控数据和流程介绍

4-20-3.策略与模型

4-20-4.评分卡

4-20-5.业务补充

4-22-1.人工智能

4-22-2.知识图谱

4-22-3.互联网数据分析的特点

4-22-4.互联网常用指标

4-22-5.场景演练分享

八、面试技巧和SQL集训

4-26-1.Excel基础函数练习

4-26-2.Excel查找引用函数练习

4-26-3.Excel图表

4-26-4.MySQL练习1

4-26-5.MySQL练习2

4-27-1.简历技巧

4-27-2.简历投递

4-27-3.面试技巧

4-27-4.面试准备