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-36期

CDA数据分析就业班视频-36期

满意程度:     课程系列:LEVEL I+LEVEL II
课时:0 分钟| 70人学习 分享 收藏

CDA数据分析就业班视频-36期

一、Excel

8-27-1 Excel基础知识介绍

8-27-2 Excel基础技巧&组合键

8-27-3 Excel数据处理高效方法

8-27-4 Excel数据格式与清洗

8-28-1 Excel公式、函数概念介绍

8-28-2 Excel常用公式介绍&练习1

8-28-3 Excel常用公式介绍&练习2

8-28-4 Excel常用公式介绍&练习3

8-29-1 Excel查找与引用函数1

8-29-2 Excel查找与引用函数2

8-29-3 Excel图表化数据呈现

8-29-4 Excel数据透视表

8-30-1 Excel宏与交互式界面设计

8-30-2 Power Pivot介绍及使用1

8-30-3 Power Pivot介绍及使用2

8-31-1 power bi简介 及power qurey使用

8-31-2 power qurey数据清洗介绍

8-31-3 综合案例第一部分

8-31-4 综合案例第二部分

二、MySQL

9-3-1 数据库简介及创建

9-3-2 创建表及数据类型简介

9-3-3 创建大气表及表格增删改查操作介绍

9-3-4 表格连接类型介绍

9-4-1 查询操作符&子查询&常用函数

9-4-2 案例&单表查询彩票数据核对练习1

9-4-3 案例&单表查询彩票数据核对练习2

9-4-4 案例&多表查询电商数据核对练习1

9-5-1 电商数据处理案例1

9-5-2 电商数据处理案例2

10-31-1 分析方法论(一)

10-31-2 分析方法论(二)

10-31-3 mysql+excel综合案例

11-1-1 mysql+excel综合案例小组分享

11-1-2 餐饮综合案例(一)

11-1-3 餐饮综合案例(二)

三、统计

9-6-1 数学概况

9-6-2 数学模型

9-6-3 向量和矩阵变换

9-6-4 向量和矩阵运算

9-6-5 初等函数

9-7-1 极限和导数

9-7-2 导数运算法则

9-7-3 高阶导数运算法则

9-7-4 曲线的凹凸性与拐点

9-7-5 定积分

9-8-1 数据的概括性度量

9-8-2 基本统计量

9-8-3 抽样分布

9-8-4 最大似然估计

9-8-5 假设检验

9-10-1 假设检验(二),p - 值检验

9-10-2 分类数据列联分析和相关分析、回归分析(一)

9-10-3 回归分析(二)之最小二乘法

9-10-4 回归分析(三)

9-10-5 回归分析(四):哑变量、逐步回归、线性相关

9-10-6 回归分析(五)和数据清洗步骤

四、Python

9-12-1 python简介,前言基础

9-12-2 变量、语句、字符串(一)

9-12-3 循环

9-12-4 条件分支和循环嵌套

9-12-5 标准数据类型

9-13-1 字符串(二)之运算和切片

9-13-2 常用字符串方法(一)

9-13-3 常用字符串方法(一)和字符串格式化

9-13-4 列表

9-13-5 元组和字典

9-14-1 字典(二)、集合和异常错误、常用内置函数

9-14-2 函数的定义和调用

9-14-3 内嵌函数和闭包

9-14-4 BIF和递归

9-14-5 模块和I/O操作

9-17-1 numpy介绍和常用的数组

9-17-2 数组的索引和切片

9-17-3 数组复制、视图、变形、拼接、分裂

9-17-4 numpy运算和广播

9-17-5 ufunc运算和numpy练习

9-18-1 pandas简介和series

9-18-2 Dataframe属性

9-18-3 pandas的描述统计

9-18-4 函数应用和数据保存

9-18-5 缺失值处理

9-19-1 pandas练习

9-19-2 文本数据处理

9-19-3 哑变量和豆瓣电影评分练习(一)

9-19-4 豆瓣电影评分练习(二)和数据可视化(一)

9-19-5 数据可视化(二)

9-20-1 数据可视化(三)

9-20-2 数据可视化(四)和时间序列(一)

9-20-3 时间序列(二)和练习

9-20-4 爬虫基础知识

9-20-5 网页组成和正则表达式

9-21-1 python练习和简单爬虫之有道

9-21-2 Beautiful soup介绍和豆瓣电影爬取(一)

9-21-3 豆瓣影评爬取(二)

9-21-4 爬虫实例(一)

9-21-5爬虫实例(二)

9-25-1 机器学习基础

9-25-2 线性回归(一)

9-25-3 线性回归(二)

9-25-4 线性回归和局部加权线性回归

9-25-5 岭回归和lasso回归

9-26-1 线性回归sklearn实例和逻辑回归原理(一)

9-26-2 逻辑回归(二)和实例

9-26-3 逻辑回归(三)和KNN原理

9-26-4 KNN分类器(二)

9-26-5 KNN分类器实例(三)

9-27-1 神经网络基础

9-27-2 神经网络原理

9-27-3 神经网络python实现

9-27-4 神经网络tensorflow代码实现

9-27-5 tensorflow案例

9-28-1 决策树简介

9-28-2 决策树的熵、信息增益

9-28-3 决策树的简单代码实现(一)

9-28-4 决策树的简单代码实现(二)

9-28-5 集成学习

9-29-1 随机森林基础

9-29-2 随机森林的sklearn实现(一)

9-29-3 随机森林的sklearn实现(二)

9-29-4 adaBoost算法基础

9-29-5 adaBoost代码实现

9-30-1 贝叶斯简介

9-30-2 贝叶斯简单实例

9-30-3 贝叶斯的算法基础

9-30-4 贝叶斯的sklearn实现(一)

9-30-5 贝叶斯的sklearn实现(二)

10-8-1 聚类分析基础

10-8-2 均值聚类

10-8-3 层次聚类基础

10-8-4 聚类代码实现(一)

10-8-5 聚类代码实现(二)

10-9-1 SVM理论基础(一)

10-9-2 sklearn的SVM

10-9-3 SVM理论基础(二)

10-9-4 SVM的代码实现(一)

10-9-5 SVM的代码实现(二)

10-10-1 关联规则基础

10-10-2 代码实现(一)

10-10-3 Apriori算法基础

10-10-4 Apriori算法代码实现

10-10-5 代码实现(二)

10-11-1 协同过滤基础(一)

10-11-2 协同过滤的代码实现(一)

10-11-3 基于物品的协同过滤(一)

10-11-4 基于物品的协同过滤(二)

10-11-5 代码实现推荐系统

10-12-1 决策树简介

10-12-2 案例数据分析和orange3的使用

10-12-3 决策树的案例代码

10-12-4 数据预处理

10-12-5 决策树建模实现

10-15-1 时间序列基础(一)

10-15-2 时间序列基础(二)

10-15-3 时间序列代码实现(一)

10-15-4 时间序列代码实现(二)

10-16-1 推荐系统基本概念

10-16-2 推荐系统的2种算法

10-16-3 推荐系统案例实战(一)

10-16-4 推荐系统案例实战(二)

10-16-5 推荐系统案例实战(三)

10-19-1 文本分析基础(一)

10-19-2 代码实现分词

10-19-3 jieba分词

10-19-4 词云图代码实战(一)

10-19-5 词云图代码实战(二)

10-20-1 TF-IDF模型

10-20-2 TF-IDF模型代码构建

10-20-3 分类算法

10-20-4 词向量

10-20-5 主题模型构建

10-21-1 推荐系统概况

10-21-2 基于近邻的协同过滤(一)

10-21-3 基于近邻的协同过滤(二)

10-21-4 物品相似度、冷启动和评估指标

10-21-5 surprise库使用

10-22-1 surprise库(二)和基于内容的推荐基础

10-22-2 基于内容推荐的代码实现

10-22-3 矩阵分解与隐语义模型

10-22-4 推荐系统实例(一)

10-22-5 推荐系统实例(二)

五、中期交流会

10-18-1 线性回归-远程5组

10-18-2 方差-协方差分析-远程3组

10-18-3 缺失值和异常值处理-现场1组

10-18-4神经网络-现场2组

10-18-5 聚类分析-现场3组

六、SPSS

10-24-1 综合绩效案例讲解-数据分析全过程

10-24-2 spss软件综合特征

10-24-3 访问数据源-本地和数据库文件访问

10-24-4 样本量的确定

10-24-5 问卷设计

10-25-1 案例1、员工绩效管理-一般线性模型

10-25-2 线性回归的5个步骤

10-25-3 案例-线性回归的5个步骤

10-25-4 回归模型对y的探讨

10-25-5 logistics回归

10-26-1 案例2 :信用行为特征分类-logistics模型

10-26-2 案例3:降维在消费行为中的应该-主成分分析

10-26-3 主成分分析spss操作(一)

10-26-4 主成分分析spss操作(二)

10-26-5 主成分分析spss操作(三)

10-29-1 案例4:用户行为画像-聚类分析

10-29-2 聚类分析spss操作

10-29-3 模型更新、预测

10-29-4 案例5:客户价值评分-RFM分析

10-29-5 RFM分析

10-30-1 案例6:购买行为组合与预测-联合分析

10-30-2 联合分析spss操作

10-30-3 缺失值的填补

10-30-4 总结统计方法

10-30-5 数据分析流程总结

七、R

11-2-1 R语言简介

11-2-2 Rstudio使用

11-2-3 R基础(一)

11-2-4 R基础练习

11-2-5 R基础(二)

11-5-1 读写数据

11-5-2 子集

11-5-3 向量运算、构造(一)

11-5-4 向量运算、构造(二)

11-6-1 R中的日期和时间

11-6-2 字符处理函数1

11-6-3 字符处理函数2

11-6-4 控制结构

11-6-5 函数、循环函数

11-6-6 循环函数

11-7-1 常见数据清理1

11-7-2常见数据清理2

11-7-3 分析性图表的基本原则/探索性图表

11-7-4 探索性图表

11-7-5 R绘图系统1

11-7-6 R绘图系统2

11-8-1 基本的统计学概念1

11-8-2 基本的统计学概念2

11-8-3 假设检验和T检验

11-8-4 方差分析

11-8-5 相关分析/卡方检验

11-8-6 统计学习方法

11-12-1 数据分析一般流程(一)

11-12-2 数据分析一般流程(二)

11-12-3 R语言数据分析案例-航空公司客户价值分析

11-12-4 构建航空客户价值分析的关键特征

11-12-5 R案例上机

11-13-1 多元线性回归

11-13-2 案例-基于水色图像的水质评价

11-13-3 选择支持向量机建模

11-13-4 拓展思考与总结

11-13-5 行业大数据

11-14-1 逻辑回归案例(一)

11-14-2 逻辑回归案例(二)

11-14-3 R上机操作(一)

11-14-4 R上机操作(二)

11-14-5 R上机操作(三)

11-15-1 线性回归案例

11-15-2 创建模型

11-15-3 R上机操作(一)

11-15-4 R上机操作(二)

11-15-5 逻辑回归原理

11-16-1 客户分群

11-16-2 K-means 聚类分析方法论

11-16-3 分层聚类方法论

11-16-4 案例一、游轮公司客户分群安案例

11-16-5 案例二:某人寿保险公司客户分群,画像和营销

11-16-6 R上机操作

11-17-1 数据分析在互联网金融中的应用

11-17-2 互联网金融—用户介绍

11-17-3 分析流程

11-17-4 评分卡模型

11-18-1 人工智能

11-18-2 文本数据脱敏

11-18-3 图像识别

11-18-4 知识图谱构建

11-18-5 数据分析在互联网中的应用

11-18-6 分析师职业规划

11-18-7 场景演练

11-19-1 svm智能选股策略设计

11-19-2 回顾svm

11-19-3 松弛变量

11-19-4 svm智能选股策略实践

11-19-5 决策树

八、SQL集训

11-21-1 面试流程

11-21-2 excel面试题

11-21-3 数据分析测试题

11-21-4 mysql面试题

九、补11月9号视频

8-28-1 西瓜数据

8-28-2 信息熵

8-28-3 缺失值处理

8-28-4 剪枝

8-28-5 悲观剪枝

8-28-6 剪枝机制

8-29-1 天气预报 练习题

8-29-2 条件概率

8-29-3 示例引述

8-29-4 多个词语

8-29-5 手算模型

8-29-6 中文文本处理

8-30-1 神经网络

8-30-2 激活函数

8-30-3 手算例题讲答

8-30-4 研究步骤

8-30-5 网络结构

8-30-6 RBF神经网络

8-31-1 统计功效

8-31-2 ROC曲线

8-31-3 绘制曲线

8-31-4 票房分析

8-31-5 数据描述-票房

9-3-1 长尾理论

9-3-2 定义

9-3-3 产生频繁项集

9-3-4 AprioriTid算法

9-3-5 关联规则的评估

9-3-6 倾斜支持度分布

9-4-1 拉格朗日乘子法

9-4-2 线性决策边界

9-4-3 学习线性SVM模型

9-4-4 松弛变量

9-4-5 属性变换

9-4-6 代码

十、就业指导

11-22-1 简历内容

11-22-2 工作经历,项目经历

11-22-3 面试分类

11-22-4 面试常见问题

十一、毕业答辩

11-30-1 电商数据挖掘

11-30-2 个人征信预测

11-30-3 客户流失分析

11-30-4 客户流失


课程订阅

讲师介绍


Peixun.net

CDA数据分析就业班视频-36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-36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