一、Excel

7-23-1 Excel基础知识

7-23-2 Excel基本技巧

7-23-3 数据导入和规范处理

7-23-4 数据收集与清洗

7-24-1 公式

7-24-2 常用逻辑函数

7-24-3 常用日期、文本、统计函数

7-24-4 数组

7-25-1 查找引用函数

7-25-2 基本图表

7-25-3 数据透视表

7-26-1 动态透视表

7-26-2 交互式界面和组合框动态制作

7-26-3 宏和Power BI

7-26-4 Power BI Desktop

7-27-1 Power Query

7-27-2 Power View

7-27-3 Power Pivot

7-27-4 趋势分析透视表透视图

二、MySQL

7-30-1 数据库基本介绍

7-30-2 数据类型&约束

7-30-3 创建数据表

7-30-4 插入&导入&修改数据

7-30-5 基本查询&聚合函数

7-30-6 连接查询

7-31-1 操作符&子查询

7-31-2 彩票查询案例

7-31-3 电商查询案例

8-1-1 电商案例数据准备

8-1-2 数据预处理

8-1-3 电商实操-1

8-1-4 电商实操-2

8-8-1 分析方法论1

8-8-2 分析方法论2

8-8-3 销售分析仪制作

8-11-1 小组分享1

8-11-2 小组分享2

8-11-3 餐饮业销售分析仪

三、统计基础

8-2-1 初等函数

8-2-2 导数、微分和极限

8-2-3 导数和偏导数

8-2-4 洛必达法则

8-2-5 向量和矩阵变换

8-3-1 数据的概括性度量1

8-3-2 数据的概括性度量2

8-3-3 统计量及抽样分布1

8-3-4 统计量及抽样分布2

8-6-1 参数估计1

8-6-2 参数估计2

8-6-3 参数估计3

8-6-4 参数估计4

8-6-5 参数估计5

8-6-6 假设检验1

8-6-7 假设检验2

8-7-1 假设检验3

8-7-2 分类数据分析

8-7-3 一元线性回归

8-7-4 模型评估

8-7-5 多元线性回归

8-7-6 模型评估

8-7-7 残差分析

四、SPSS

8-12-1 SPSS软件介绍

8-12-2 描述性统计分析1

8-12-3 描述性统计分析2

8-12-4 描述性统计分析3

8-14-1 相关分析

8-14-2 回归分析1

8-14-3 回归分析2

8-14-4 逻辑回归1

8-14-5 逻辑回归2

8-15-1 逻辑回归3

8-15-2 聚类分析1

8-17-1 聚类分析2

8-17-2 聚类分析3

8-17-3 主成分分析1

8-17-4 主成分分析2

8-17-5 主成分分析3

8-18-1 主成分分析4

8-18-2 数据挖掘基础

8-18-3 RFM模型1

8-18-4 RFM模型2

8-18-5 RFM模型3

五、Python

8-20-1 Python简介

8-20-2 变量赋值

8-20-3 数据类型

8-20-4 数值运算1

8-20-5 数值运算2

8-21-1 常用数学函数和字符串

8-21-2 组合数据类型

8-21-3 循环语句

8-21-4 计算星座、猜数字实例

8-21-5 continue语句

8-22-1 自定义函数

8-22-2 自定义函数调用

8-22-3 类1

8-22-4 类2

8-22-5 类3

8-23-1 文件的操作

8-23-2 模块

8-23-3 异常处理

8-23-4 迭代器与生成器

8-25-1 Numpy基本概念和数组

8-25-2 数组运算

8-25-3 Numpy数据的保存和读取

8-25-4 Numpy数据清洗

8-25-5 Matplotlib绘图流程

8-26-1 Matplotlib绘制子图

8-26-2 Matplotlib循环绘图、添加注释

8-26-3 Matplotlib常用图形1

8-26-4 Matplotlib常用图形2

8-26-5 Matplotlib案例

8-27-1 Series创建及方法

8-27-2 DataFrame创建及方法

8-27-3 Pandas数据处理

8-27-4 时间序列分析

8-27-5 Pandas分组运算

8-28-1 Pandas聊天记录分析

8-28-2 HTTP基本原理

8-28-3 网页原理

8-28-4 爬虫基本原理

8-28-5 正则表达式

8-29-1 urllib库

8-29-2 requests库

8-29-3 Beautiful Soup库

8-29-4 Selenium库1

8-29-5 Selenium库2

9-1-1 机器学习概述

9-1-2 深度学习概述

9-1-3 一元线性回归

9-1-4 Python实现一元线性回归

9-1-5 Python实现一元线性回归-sklearn

9-2-1 线性回归回顾

9-2-2 逻辑回归

9-2-3 KNN

9-2-4 Python实现KNN

9-4-1 决策树引言

9-4-2 ID3算法

9-4-3 C4.5算法

9-4-4 Python实现决策树

9-4-5 回归树及房价预测

9-5-1 决策树回顾

9-5-2 随机森林

9-5-3 Python实现随机森林

9-5-4 随机森林调参

9-5-5 AdaBoost

9-8-1 深度学习简介

9-8-2 神经网络简介

9-8-3 单层感知机

9-8-4 BP神经网络

9-8-5 梯度下降求解最值

9-8-6 Python实现感知机和梯度下降

9-9-1 人工神经网络

9-9-2 手写数字识别

9-9-3 全概公式

9-9-4 贝叶斯推断

9-9-5 朴素贝叶斯

9-10-1 K-Means聚类

9-10-2 Python实现K-Means1

9-10-3 Python实现K-Means2

9-10-4 Python实现K-Means3

9-10-5 聚类结果可视化

9-11-1 K-Means算法优化

9-11-2 SVM简介

9-11-3 SVM原理

9-11-4 SVM举例说明

9-11-5 Python实现SVM

9-12-1 关联规则简介

9-12-2 关联规则相关概念

9-12-3 关联规则练习

9-12-4 关联规则Apriori算法

9-12-5 Python实现Apriori算法

9-13-1 基于用户的协同过滤

9-13-2 基于物品的协同过滤1

9-13-3 基于物品的协同过滤2

9-13-4 基于物品的协同过滤3

9-13-5 Python实现推荐系统

9-14-1 决策树简介

9-14-2 决策树原理

9-14-3 保险销售案例1

9-14-4 保险销售案例2

9-14-5 保险销售案例3

9-17-1 时间序列分析简介

9-17-2 时间序列模型介绍

9-17-3 Python时间序列建模1

9-17-4 Python时间序列建模2

9-17-5 电商渠道销量预测案例

9-18-1 推荐系统基础

9-18-2 关联规则

9-18-3 关联规则案例1

9-18-4 关联规则案例2

9-18-5 协同过滤

六、中期交流

9-15-1 第一组 方差分析

9-15-2 第二组 描述统计

9-15-3 第三组 逻辑回归

9-15-4 第四组 主成分与因子分析

9-15-5 第五组 缺失值及异常值处理

9-15-6 第六组 线性回归

9-15-7 第八组 RFM模型

9-15-8 第七组 关联分析

9-15-9 远程第二组 KNN

七、R

9-19-1 R语言简介

9-19-2 R语言基础

9-19-3 R数据类型

9-19-4 矩阵

9-19-5 数组和数据框

9-19-6 因子

9-20-1 读取数据

9-20-2 向量取子集

9-20-3 矩阵、列表和数据框取子集

9-20-4 缺失值判断和访问路径

9-20-5 向量化运算

9-21-1 创建随机数

9-21-2 日期和时间函数

9-21-3 字符处理函数1

9-21-4 字符处理函数2

9-21-5 控制结构

9-25-1 循环

9-25-2 自定义函数

9-25-3 循环函数

9-25-4 常见数据清理函数

9-26-1 表连接

9-26-2 一维图表

9-26-3 二维图表

9-26-4 Lattice绘图

9-26-5 基础绘图

9-27-1 基本统计量

9-27-2 区间估计

9-27-3 假设检验

9-27-4 T检验

9-27-5 方差分析

9-28-1 混淆矩阵

9-28-2 分类模型的评估指标

9-28-3 数据挖掘算法总结

9-29-1 信用评分卡1

9-29-2 信用评分卡2

9-29-3 信用评分卡3

9-29-4 信用评分卡4

9-29-5 信用评分卡5

9-30-1 客户分群1

9-30-2 客户分群2

9-30-3 客户分群3

9-30-4 客户分群4

9-30-5 客户分群5

9-30-6 客户分群6

10-8-1.逻辑回归的商业应用案例（一）

10-8-2.逻辑回归的商业应用案例（二）

10-8-3.逻辑回归的商业应用案例（三）

10-8-4.逻辑回归的商业应用案例（四）

10-8-5.逻辑回归的商业应用案例（五）

10-8-4 逻辑回归的商业应用案例（六）

10-8-5 逻辑回归的商业应用案例（七）

10-8-6 逻辑回归的商业应用案例（八）

10-9-1 线性回归的商业应用案例（一）

10-9-2 线性回归的商业应用案例（二）

10-9-3 线性回归的商业应用案例（三）

10-9-4 线性回归的商业应用案例（四）

10-9-5 线性回归的商业应用案例（五）

10-10-1 SQL集训1

10-10-2 SQL集训2

10-10-3 SQL集训3

10-10-4 SQL集训4

10-10-5 SQL集训5

10-13-1 互联网金融行业应用1

10-13-2 互联网金融行业应用2

10-13-3 互联网金融行业应用3

10-13-4 互联网金融行业应用4

10-14-1 人工智能行业应用1

10-14-2 人工智能行业应用2

10-14-3 互联网行业应用1

10-14-4 互联网行业应用2

10-14-5 互联网行业应用3

10-14-6 互联网行业应用4

10-15-1 文本分析简介

10-15-2 中文分词

10-15-3 词云图

10-15-4 词向量1

10-15-5 词向量2

10-16-1 word2vec

10-16-2 主题模型

10-16-3 文档相似度

10-16-4 文本分类

10-16-5 情感分析

10-17-1 推荐系统概述

10-17-2 基于用户的协同过滤1

10-17-3 基于用户的协同过滤2

10-17-4 基于物品的协同过滤

10-17-5 surprise库的使用

10-18-1 推荐系统的评估

10-18-2 基于内容的推荐系统

10-18-3 矩阵分解与隐语义模型

10-18-4 基于聚类的推荐1

10-18-5 基于聚类的推荐2

八、就业指导

10-19-1 简历制作1

10-19-2 简历制作2

10-19-3 面试技巧1

10-19-4 面试技巧2

九、毕业答辩

10-30-1

10-30-2

10-30-3

10-30-4

10-30-5

10-30-6

10-30-7

10-30-8

10-30-9