Peixun.net > 直播 > CDA数据分析师 > CDA数据分析就业班 > CDA数据分析就业班视频-27期

CDA数据分析就业班视频-27期

满意程度:     课程系列:LEVEL I+LEVEL II
课时:0 分钟| 45人学习 分享 收藏

CDA数据分析就业班视频-27期

EXCEL

1.浅谈数据分析

2.快速输入数据、导入数据

3.数据处理1

4.数据处理2

5.数据处理3

6.课后作业讲解、countif,sumif

7.求闰年、隐藏手机号、多条件求和

8.判断身份证长度、数组SUMPRODUCT

9.OFFSET理解、INDEX理解、累积数

10.相同个数、提取姓名、二级组合框、图表

11. 课后作业讲解、EXCEL图表

12.组合图表、构成分析

13.增维分析、公公式动态图表

14.布局问题、多字段汇总、源数据

15.动态透视表、添加计算字段

16.Excel数据分析-数据分析概述

17.杜邦分析仪

18.Power Map和Power Query

19.Power Query表结构数据与横向连接

20.Power Query实战

21.Power View实战

22.Power Pivot应用

23.Power Pivot DAX表达式

MySQL基础

1.初始MySQL.mp4

2.增删改查和子查询

3常用函数

4子查询

5子查询、事务

6事务2

7事务、视图、索引(补)

8数据库备份、学习总结

数理统计基础

1.数学梗概、数据类型

2.回归模型、线性代数

3矩阵、行列式1

4矩阵、行列式2

5奇异值分解

6微积分-函数

7.初等函数、极限

8.微分和求导

9.复合函数求导、偏导

10.凹凸点和拐点

11.泰勒中值定理

12.数据的概括性度量

13.离散系数、正态分布

14.卡方分布和学生氏分布

15.区间估计、无偏性、矩估计

16.区间估计、假设检验

17.假设检验流程

18.F检验、t检验和相关分析

19协方差和相关系数、一元线性回归1

20一元线性回归2

21多元线性回归1

22多元线性回归1

23回归模型的建立

MySQL&Power BI综合案例课

1.电商数据处理案例1

2.电商数据处理案例2

3.电商数据处理案例3

4.电商数据处理案例4

5.电商数据处理案例5

6.电商数据处理案例6

7.电商数据处理案例7

8小组分析结果展现1

9小组分析结果展现2

10重要指标监控

11案例讲解

电商数据分析

1.电商分析体系

2.常用分析体系概述

3.案例实操1

4.案例实操2

SPSS数据分析

1.综合绩效案例讲解

2.SPSS软件综合特征

3.数据导入

4.描述性统计与图表构建器

5.如何理解描述数据

6.相关性分析

7.一般线性模型

8.线性回归

9.散点图

10.回归预测分析

11.逻辑回归1

12.逻辑回归2

13.数据转换、线性回归、逻辑回归

14.相关分析

15.定义变量集、皮尔逊相关性、曲线估计

16.因子分析

17用户行为画像1

18用户行为画像2

19用户行为画像3

20客户价值评分-RFM分析1

21客户价值评分-RFM分析2

22客户价值评分-RFM分析3

23购买行为组合与预测-联合分析1

24购买行为组合与预测-联合分析2

25课程总结

R编程基础

1.R语言的介绍

2.R软件的安装和使用基础

3对象、向量

4练习讲解

5数组、数据框

6练习讲解

7读写数据常用函数

8读数据

9练习讲解

10取子集、生成新元素

11去缺失值

12向量化运算

13随机数

14.创建随机数、时间函数

15.练习

16字符处理函数

17控制结构和循环语句

18函数

19练习讲解

20循环函数

21练习讲解

22使用SQL语句汇总

23分析性图表基本原则

24箱线图、直方图

25多图形

26基础绘图系统

27重要绘图参数

28基本图形注释

29统计学基本概念

30中心极限定理

31中心极限定理验证,区间估计

32假设检验

33T置信区间、方差分析

34相关分析

35卡方检验

R数据挖掘(杨柳老师)

1简单线性回归、单变量的线性回归

2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

3最小二乘法的优点、多元线性回归

4变量筛选、向前后消元、逐步选择、多元线性回归的假设

5学生化残差、多重共线性分析、方差膨胀因子

6线性模型流程、信用风险模型、逻辑回归、logit变换

7logit变换

8模型评估、决策类魔性评估、ROC曲线

9K-S统计量、逻辑回归估计方法

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

R数据挖掘

线性回归1

线性回归2

线性回归3

线性回归4

线性回归表达式中常用的符合

逻辑回归模型介绍

变量清洗

ROC曲线、lift、逻辑回归模型

主成分分析的数学模型

相关关系、因子分析

主成分分析案例

因子分析代码

聚类分析1

聚类分析2

聚类分析3

聚类分析4

R数据挖掘(吴昊天老师)

数据挖掘入门

最近邻分类器:KNN

KNN代码实现1

KNN代码实现2

KNN代码实现3

决策树算法原理1

决策树算法原理2

决策树的拟合度优化

C4.5剪枝策略

CART方法、决策树的特点

决策树建模

关联规则

关联规则二

关联规则三

关联规则代码实现

集成算法

最小二乘法、梯度下降

感知机原理

损失函数、函数优化方法

支持向量机

R数据挖掘(朱江老师)

随机事件和概论

独立性、贝叶斯公式

计算概率

手算模型,中文文本处理

词云、混淆矩阵、评估

6-27-1

6-27-2

6-27-3

6-27-4

6-27-5

6-27-6

6-28-1

6-28-2

6-28-3

6-28-4

6-28-5

6-29-1

6-29-2

6-29-3

6-29-4

6-29-5

美库尔案例

7-2-1

7-2-2

7-2-3

7-2-4

7-2-5

7-3-1

7-3-2

7-3-3

7-3-4

7-3-5

7-4-1

7-4-2

7-4-3

7-4-4

7-4-5

7-5-1

7-5-2

7-5-3

7-5-4

7-5-5

7-5-6

7-6-1

7-6-2

7-6-3

7-6-4

7-6-5

Python

7-9-1编程语言基础概念

7-9-2python程序开发

7-9-3理解变量

7-9-4数据类型转换

7-9-5逻辑运算符

7-10-1数据结构

7-10-2控制流语句

7-10-3循环结构

7-10-4字符串Strings

7-10-5自定义函数

7-11-1函数2

7-11-2高级特性

7-11-3python常见异常

7-11-4异常处理

7-11-5模块

7-12-1对日期和时间处理模块

7-12-2类&面向对象

7-12-3类和对象.py

7-12-4面向对象练习.py

7-12-5demo.py

7-16-1Numpy

7-16-2Numpy2

7-16-3常用数组方法

7-16-4Pandas

7-16-5Pandas分配列

7-17-1pandas下

7-17-2pandas数据的索引与筛选

7-17-3pandas2

7-17-4pandas3

7-17-5pandas-数据合并

7-18-1可视化

7-18-2Visualizing Chipotle's Data

7-19-1Download files安装包

7-19-2现实我们第一个爬虫URLLIB

7-19-3第三方库爬虫

7-19-4post有道翻译

7-19-5抓取json数据包

7-20-1抓取json数据包2

7-20-2数据抓取与写入文件

7-20-3selenium爬虫

7-20-4selenium爬虫2

7-20-5selenium基础

文体挖掘

7-23-1分词

7-23-2词向量

7-23-3代码实战

7-24-1词向量2

7-24-2主题模型-文体分类

7-24-3主题模型-文体分类2

7-24-4主题模型-文体分类3

7-24-5情感分析自定义

7-25-1推荐系统概述

7-25-2推荐统计User CF

7-25-3冷启动问题

7-25-4相似度计算

7-25-5surprise实现协同过滤

7-26-1基于内容的推进系统

7-26-2隐语义模型

7-26-3推荐系统的评估 推荐案例

7-28-1互联网金融的概况

7-28-2数据技术在FINtech的分布概况

7-28-3数据科学在企业中的价值--数据驱动

7-28-4数据驱动--决策支撑

7-28-5Scikit-Learn入门

7-29-1随机森林Scikit-Leam实践

7-29-2建模过程

7-29-3调节参数

7-29-4调节参数2

文本挖掘(补)

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

推荐系统(补)

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

SQL集训 及面试技巧

7-30-1复习MYSQL简介 重点

7-30-2复习MYSQL简介 重点2

7-30-3复习MYSQL简介 重点3

7-30-4面试题集

7-30-5面试题集2

7-31-1简历情况

7-31-2简历情况2

7-31-3面试技巧

7-31-4面试技巧2

毕业答辩

邓熙凤组 客户流失分析

吴茂典组 个人征信预测

雷翔组 个人征信预测

李皓月组 个人征信预测

张恒峰组 客户流失分析


课程订阅

讲师介绍


Peixun.net

CDA数据分析就业班视频-27期

请认真填写以下信息,方便为您服务
  • 姓名:
  • 电话:
  • 邮箱:
  • 备注:
  • 邀请码:
  • 您还可以选择 登录 或者 注册 更方便您管理课程。

Peixun.net

您关于:

CDA数据分析就业班视频-27期

的报名信息已经提交成功。

去购物车结算
您可以选择 登录 或者 注册 更方便您管理课程。
回头再说
微信扫码二维码
关注经管云课堂服务号

邮件已发送!

已成功发送邮件到您注册的邮箱 请前往查询并点击链接重置密码

有待解答的问题

3 名学员对您的课程提问,需要您作出回答。 现在就去