一、Excel数据分析

1数据分析工作的介绍，EXCEL简介、保护功能

2快速输入数据、导入txt数据

3导入ACCESS数据、自定义数据格式

4文本数字转化数值数字、标准化规范化、规范数据、手机号、拆分冻结、选中单元格、辅助列、数据验证

5快速填充、分列源数据、数据整理、函数错误种类

6错误值的利用、最终公式引用、逐步理解函数的实现

7课后作业讲解、IF+AND+OR例子、COUNTIF统计、IF水电费、最后一天、

8最后一天、MOD判断闰年、连续求和

9公式产生数组、BA列数据之差的均值、计算正数之和、判断身份证长度是否正确、判断男女退休否、判断是否通过、进价-多条件求和

10员工档案表、练习、MATCH理解、INDEX理解、累积数据、提取姓名

11二级组合框、行政划分、最后7天的数据

12作业讲解

13EXCEL可视化大全1

14 EXCEL可视化大全2

15EXCEL可视化大全3

16 EXCEL可视化大全4

17数据透视表

二、数学与统计学基础

1数学概况、数据类型

2支持向量机，回归模型

3线性代数

4微积分

5微分、求导

6微分、偏导数、课后作业解答

7泰勒公式、定积分

8级数、数据概括性度量

9分类数据、数值型数据、离散系数

三、MySQL基础

1数据库与MySQL的介绍

2数据库基本操作

3创建表、数据类型

4约束、修改表

5写入数据、更新数据、删除数据

6基本查询语句、单表查询

7单表查询、正则表达式

8聚类函数、Having函数、内连接

9左右连接，全连接、子查询

10子查询、条件查询、函数

四、概率论

1统计量及其抽样分布

2卡方分布、点估计和区间估计

3点估计、极大似然估计

4总体参数估计

5假设检验

6两个总体参数的检验

7分类数据分析

8回归分析、置信区间

9一元线性回归、回归系数

10方差膨胀因子

五、Power BI

1数据分析概述

2杜邦分析仪

3Power Map

4Power Query

5合并查询

6Power Query和M函数

7Power Query和数据透视表

8.Power Povit

9Power Povit DAX表达式

9.5Power Povit DAX表达式（补充）

10电商模式简介

11常用分析体系概述1

12常用分析体系概述2

13常用分析体系概述3

14常用分析体系概述4

MySQL&&PowerBI案例

1MySQL&&PowerBI案例1

2MySQL&&PowerBI案例2

3MySQL&&PowerBI案例3

4MySQL&&PowerBI案例4

5分析方法论1

6分析方法论2

7习题实战分享

8案例介绍

9数据预分析

10分析仪制作

Python基础

1python入门与安装

2行与缩进，多行语句

3数值运算、元组、字典

4运算符

5随堂练习

6数值类型、数值类型转换、随机函数

7字符串运算、字符串格式化符号、列表

8字典和元组函数

9字典例题

10字典内置方法

11条件控制语句、运算符优先级

12实例讲解

13自定义函数实例

14函数调用参数、解压函数参数、全局变量和局部变量

15参数组合

16类的概念与属性

17实例操作

18模块导入语法、包的实例、_name_属性

19文件定位、目录

20语法错误、try...except...、抛出异常

21Numpy

22数组的索引和切片、Numpy的统计函数

23numpy模块习题

24梯形法、梯法

25numpy模块习题

26Pandas中的数据结构、关键缩写和包导入

27导入数据、查看检查数据

28数据选取、数据整理、数据清洗

29pandas数据处理

30pandas数据处理

31数据选取、数据整理、数据清洗

32pandas数据处理

33pandas数据处理

34pandas数据处理3

35pandas数据处理4

36Pandas数据处理-球队克星

37Pandas数据处理-淘宝爆款

38去哪网最高性价比路线建模&微博评论爬虫

Python网络爬虫

Python网络爬虫定义

Python网络爬虫工具库

网络爬虫工具库2

网络爬虫工具库3

网络爬虫工具库4

网络爬虫工具库5

网络爬虫工具库6

网络爬虫工具库7

网络爬虫工具库8

网络爬虫工具库9

Python文本挖掘

1.统计语言模型

2.词向量

3中文分词

4代码实战

5词向量Word2vec

6分类算法1

7分类算法2

8文本分类

9文本聚类

10情感分析&CNN

Python 推荐系统

1.推荐系统的应用

2.推荐系统的原理

3. EE问题 基于近邻的协同过滤

4.ItemCF、Item相似度计算、TopN推荐

5.实现相似度方法

6.基于内容推荐、构建用户画像

7.TFIDF 卡方检验

8信息增益、工业界的内容推荐

9基于矩阵分解的推荐、基于SVD的改进

10推荐系统架构：视频Feed流

11、SPSS数据分析（丁亚军老师）

1SPSS数据分析一般流程

2.SPSS基本操作

3.访问数据源

4.随机抽样

5.线性回归分析

6.相关性和显著性检验

7.残差分析

8.基于线性回归的员工绩效案例

9.逻辑回归logit变换

10.逻辑回归系数的解释

11.逻辑回归建模及结果输出

12.哑变量

13缺失值处理

14多重插补

15缺失比例较大时的处理逻辑

16降维逻辑

17曲线估计_逐步法_主成分

18.主成分分析的总方差解释

19.主成分分析的成分矩阵

20.RFM引言

21.RFM分箱

22.RFM客户价值分析

23聚类分析计算

24聚类实施

25联合分析简介

26联合分析实施

27表格模板制作

28直销-改善市场营销活动

29直销-采购联系人

30直销-对比竞销活动的效果

31正态分布转换方法

SPSS数据分析

1.课程综述

2.描述统计理论与实践1

3.描述统计理论与实践2

4推断统计理论与实践1

5方差分析理论与实践

6超市规模、货架位置与销售量关系案例

7一元线性回归

8非线性回归

9回归分析理论与实践

10非线性回归

11销售量影响因素分析案例

12通风时间与毒物浓度非线性回归案例&低出生体重儿影响因素研究案例

13低出生体重儿影响因素研究案例2

14主成分分析和因子分析背景原理

15.主成分分析和因子分析介绍

16主成分分析和因子分析实操

17案例：脑外伤急救后迟发性颅脑损伤影响因素分析

18案例讲解

19聚类分析理论与实践

20时间序列理论与实践

突发事件影响市场研究综合案例1

突发事件影响市场研究综合案例2

突发事件影响市场研究综合案例3

突发事件影响市场研究综合案例4

R基础

1.R语言入门

2.课程安排及R安装

3.R语言核心功能与概念介绍1

4.R语言核心功能与概念介绍2

5.R语言核心功能与概念介绍3

6.基本数据类型、对象部分属性、格式化输出

7.字符串类型

8基本数据类型：逻辑关系型、特殊字符

9高级数据结构（一）向量、矩阵、数组1

10高级数据结构（一）向量、矩阵、数组2

11.向量运算

12.索引、筛选、替换、矩阵

13.矩阵运算1

14.矩阵运算2

15.矩阵分解、索引

16矩阵筛选、修改、合并

17数组

18列表

19数据框索引；数据框转置、合并

20数据框的匹配（内、外、左、右连接）、因子概述

21创建因子、创建有序因子、连续变量分箱

22因子的合并；列表综述、创建、修改

23R中的数据导入

24数据管理

25数据导入导出

26数据管理：基于普通函数的数据集整理

27数据管理：数据集行列调整、控制与循环、函数

28自定义函数、APPly函数簇、画图、统计分析

29R语言的数据可视化、基础图形（补）

30折线图、条形图、核密度图、箱体图（补）

31描述性统计、分类变量的统计分析、独立性检验、t检验（补）

32独立样本t检验、非独立样本t检验、方差分析、非参数假设检验（补）

R数据挖掘

1、简单线性回归

2、回归系数的检验

3、最小二乘法的优点

4、多元线性回归

5、线性回归的诊断

6.简单线性回归、单变量的线性回归（补）

7.回归系数的检验、模型整体显著性的检验、产生预测值与残差（补）

8.最小二乘法的优点、模型的解释、多元线性回归、多元线性回归变量筛选（补）

9.多元线性回归变量筛选、向前后消元、逐步选择、多元线性回归的假设（补）

10.强影响点分析、学生化残差、多重共线性分析、方差膨胀因子（补）

11.线性模型流程、信用风险模型、逻辑回归、logit变换

12.logit变换

13.模型评估、决策类魔性评估、ROC曲线

14.K-S统计量、逻辑回归估计方法

15.练习题讲解

16.杨老师课后现场答疑补充

17 决策树算法原理介绍

18 ID3决策树原理

19 C4.5\CART决策树、决策树方法总结

20模型修剪

21组合算法1

22组合算法2

23组合算法3

24组合算法4

25组合算法5

36 主成分分析原理介绍

37 主成分因子分析数学模型

38案例：信用综合评分

39案例：追踪指数000043

40.聚类算法的原理

41.方差分析的基本概念

42k-means聚类

43层次聚类、EM算法

49.条件概率和事件独立性

50.朴素贝叶斯分类

数据挖掘（补充）

随机森林1

随机森林2

随机森林3

随机森林4

主成分分析的基本思想

降维的解释

数学模型与几何解释1

数学模型与几何解释2

习题课1

习题课2

聚类分析

聚类分析要考虑的问题

ward聚类法、K均值聚类法

案例操作1

案例操作2

贝叶斯1

贝叶斯2

贝叶斯3

贝叶斯4

关联分析介绍、频繁项集、置信度

练习讲解、提升度、实操

关联规则案例实操

关联规则可视化1

关联规则可视化2

支持向量机1

核心函数

支持向量机3

支持向量机4

神经网络1

神经网络2

感知器

神经网络4

神经网络5

34关联规则

35Apriori算法

36.SVM简介

37.线性可分SVM

38.非线性SVM

39.软间隔SVM

40.R语言实现SVM

翟老师R数据挖掘课

1.关联规则与协同过滤

2.长尾理论

3.Apriori算法

4.FP树的构建过程

5. 神经网络类型

6. 人工神经元

7.多层感知器、BP神经网络原理

8. BP神经网络原理

9. 时间序列、缺失值填补

10.数据变化和预测模型概述

11.基于目标变量的转换

12.支持向量机梗概

13.KNN算法、ROC图形.

朱江数据挖掘案例

朴素贝叶斯1

朴素贝叶斯2

手算模型&数据挖掘常见模型

知识发现过程

电影票房影响因素分析

神经网络

信用评分卡

WOE和IV

代码讲解

美库尔R数据挖掘案例

1.客户分群1

2.客户分群2

3代码讲解-异常值、缺失值处理

4代码讲解-标准化

5聚类分析

6作图

7通用建模流程、线性回归案例讲解1

8线性回归案例讲解2

9代码讲解1

10代码讲解2

11逻辑回归1

12逻辑回归2

13逻辑回归3

14逻辑回归4

15上午视频暂缺

16代码讲解1

17代码讲解2

18推荐系统

19关联规则

20相似推荐

21协同过滤

22基于内容的推荐

决策树的应用1

决策树的应用2

决策树的应用3

决策树的应用4

案例

携程案例1

携程案例2

携程案例3

携程案例4

混淆矩阵

ROC曲线

洛伦兹曲线、lift曲线、K-S曲线

SQL集训

SQL集训1

SQL集训2

SQL集训3

SQL集训4

就业指导

简历书写

简历投递

面试

Python工具

1-Numpy数据结构

2-Numpy基本操作

3-Numpy矩阵属性

4-Numpy矩阵操作

5-Numpy常用函数

1-Pandas数据读取

2-Pandas数据预处理

3-Pandas常用函数