一、Excel

9-17-1 excel入门小技巧

9-17-2 字段提取

9-17-3 文本替换

9-17-4 文本的提取和合并

9-18-1 绝对引用和相对引用

9-18-2 数据验证和if函数

9-18-3 MID函数

9-18-4 折线图表

9-19-1 交互性图表

9-19-2 选择性图表

9-19-3 index函数

9-19-4 数据透视表

9-20-1 列表框

9-20-2 数据验证（二）

9-20-3 powerBI使用（一）

9-20-4 powerBI使用（二）

9-21-1 excel时间换算

9-21-2 power BI时间换算

9-21-3 power BI关系图

9-21-4 数据的替换

二、MySQL

9-25-1 数据库概述、数据库创建

9-25-2 数据类型、约束条件

9-25-3 创建数据表、检查、修改数据表

9-25-4 查询、连接数据表

9-27-1 查询操作符、子查询

9-27-2 常用函数、单表查询练习（一）

9-27-3 单表查询练习（二）

9-28-1 电商数据处理案例（一）

9-28-2 电商数据处理案例（二）

9-29-1 图表制作

9-29-2 分析方法论（一）

9-29-3 分析方法论（二）

9-29-4 销售分析仪制作

9-30-1 小组分享

9-30-2 餐饮业销售分析仪（一）

9-30-3 9-30-3 餐饮业销售分析仪（二）

三、统计

10-12-1 微积分框架、初等函数

10-12-2 微分和极限、导数

10-12-3 偏导数、极值与拐点

10-12-4 泰勒中值定理、麦克劳林公式、定积分

10-12-5 定积分中值定理、牛顿-莱布尼兹公式、级数

10-13-1 数学与统计学在数据分析中的应用

10-13-2 幂级数、泰勒级数、向量

10-13-3 矩阵、行列式、逆矩阵与矩阵的秩

10-13-4 特征值与特征向量、奇异值分解

10-13-5 数据的来源与抽样调查

10-13-6 数据预处理、数据的概括性度量1

10-14-1 数据的概括性度量2

10-14-2 统计量及抽样分布、参数估计1

10-14-3 参数估计2

10-14-4 参数估计3

10-14-5 假设检验1

10-14-6 假设检验2

10-15-1 分类数据分析

10-15-2 方差分析1

10-15-3 构造检验的统计量

10-15-4 关系强度的测量、多重比较的步骤

10-15-5 方差分析2、一元线性回归1

10-15-6 一元线性回归2

四、SPSS

10-16-1 课程介绍、数据分析全过程

10-16-2 SPSS与同类软件对比

10-16-3 SPSS菜单功能介绍、书籍推荐

10-16-4 访问数据源

10-16-5 问卷设计

10-16-6 数据库访问、模拟数据库数据分析

10-17-1 变量

10-17-2 小型数据与大型数据

10-17-3 相关性分析

10-17-4 回归系数、R方、残差

10-18-1 商品材质数据案例分析

10-18-2 logistic回归

10-18-3 工具变量法

10-18-4 哑变量、评分卡

10-18-5 缺失值填补

10-20-1 数据分析流程一

10-20-2 数据分析流程二

10-20-3 主成分分析

10-20-4 聚类分析

10-21-1 客户价值分析

10-21-2 可视分箱

10-21-3 联合分析

10-21-4 回归流程细节梳理

五、Python

10-8-1 Python安装与使用

10-8-2 Python路径设置

10-8-3 Python基本概念

10-8-4 数值与数值运算

10-8-5 字符串

10-9-1 字符串运算

10-9-2 列表、列表生成式、元组

10-9-3 字典

10-9-4 集合、条件分支

10-9-5 if语句嵌套

10-9-6 循环语句

10-10-1 常用内置函数、异常与错误

10-10-2 函数的定义与调用

10-10-3 内嵌函数、lambda表达式

10-10-4 递归

10-10-5 模块、OS文件

10-24-1 NumPy基本概念和数据类型

10-24-2 常用数组、ndarray常用属性

10-24-3 数组索引和切片、复制和视图

10-24-4 数组的变形、拼接、分裂

10-24-5 NumPy运算与数组广播、ufunc函数

10-25-1 Pandas基本概念与Series数据类型与操作

10-25-2 DataFrame数据类型与操作

10-25-3 描述与统计

10-25-4 排序功能、函数应用1

10-25-5 函数应用2

10-26-1 修改列/索引名称、类型操作

10-26-2 表合并方式、读取数据与处理缺失值

10-26-3 填充缺失值、文本数据处理

10-26-4 豆瓣电影数据处理

10-27-1 Pandas回顾与作业讲解

10-27-2 Matplotlib介绍与绘图风格

10-27-3 创建子图、绘制柱状图与散点图

10-27-4 饼状图

10-27-5 股票数据绘图案例

10-28-1 爬虫概念、网页组成、Requests库

10-28-2 Headers请求头、响应、Post方法

10-28-3 Beautiful Soup库

10-28-4 爬取豆瓣电影数据

10-28-5 爬取豆瓣图书数据

11-1-1 R语言介绍

11-1-2 R语言基础

11-1-3 R对象

11-1-4 数据输入与输出

11-1-5 数据合并、排序

11-2-1 缺失值处理、日期数据处理

11-2-2 文件保存、R中的函数1

11-2-3 R中的函数2

11-2-4 R中的控制语句

11-2-5 基本图形（二元连续变量）、R中的图形参数1

11-3-1 R中的图形参数2

11-3-2 R中的图形参数3

11-3-3 基本图形（单元离散变量）

11-3-4 基本图形（单元连续变量）

11-5-1 基本图形（多元连续变量）、创建动态报告1

11-5-2 创建动态报告2

11-5-3 描述统计分析、两均值检验

11-5-4 方差分析

11-6-1 简单线性回归分析、拟合优度

11-6-2 回归系数检验、最小二乘法

11-6-3 多元线性回归的变量筛选与假设

11-6-4 多重共线性诊断、线性模型流程

11-7-1 机器学习基础

11-7-2 线性回归、最小二乘法

11-7-3 梯度下降法

11-7-4 牛顿法、局部加权线性回归

11-7-5 岭回归、LASSO回归

11-8-1 逻辑回归、梯度上升法

11-8-2 随机梯度上升

11-8-3 k-近邻原理

11-8-4 KNN算法实现

11-9-1 神经网络原理

11-9-2 信息前向传播、误差反向传播

11-9-3 BP神经网络实现

11-9-4 TensorFlow

11-9-5 手写数字识别

11-10-1 决策树、信息增益

11-10-2 ID3算法

11-10-3 CART树原理

11-10-4 决策树图可视化、集成学习

11-11-1 课程体系介绍、Bagging原理

11-11-2 等高面图、Bagging算法实现

11-11-3 Random Forest原理及算法实现

11-11-4 Boosting原理及算法实现

11-11-5 泰坦尼克号数据案例

11-12-1 贝叶斯分类算法

11-12-2 词袋模型一

11-12-3 词袋模型二

11-12-4 评论数据分类、iris数据分类

11-12-5 TF-IDF、拼写检查器

11-15-1 聚类的介绍与理论解释

11-15-2 相似性度量

11-15-3 数据标准化、k-means聚类原理

11-15-4 k-means聚类算法实现

11-15-5 层次聚类

11-16-1 支持向量机理论、线性可分SVM

11-16-2 分类间隔

11-16-3 SVM求解实例

11-16-4 近似线性可分SVM

11-16-5 非线性SVM

11-16-6 SVM算法实现

11-17-1 推荐系统与关联规则介绍

11-17-2 关联规则相关概念

11-17-3 Apriori原理

11-17-4 Apriori算法实现

11-18-1 推荐系统与协同过滤介绍、UserCF原理

11-18-2 UserCF算法实现

11-18-3 ItemCF原理

11-18-4 UserCF与ItemCF对比、评估指标

11-18-5 ItemCF算法实现

11-18-6 surprise推荐系统算法库

11-21-1 保险案例介绍

11-21-2 基尼系数计算

11-21-3 代码实现决策树

11-21-4 Orange实现决策树

11-22-1 时间序列入门

11-22-2 arima模型

11-22-3 2阶自回归模型

11-22-4 时间序列应用案例

11-23-1 推荐系统案例入门介绍

11-23-2 购物篮分析与关联规则

11-23-3 协同过滤与基于内容的推荐

11-23-4 推荐系统代码实现（一）

11-23-5 推荐系统代码实现（二）

六、中期交流

11-24-1

11-24-2

11-24-3

11-24-4

11-24-5

11-24-6

11-24-7

11-24-8

七、R

11-26-1 统计推断基础

11-26-2 统计量

11-26-3 置信区间

11-26-4 假设检验

11-26-5 代码实现不同样本的置信区间

11-26-6 相关分析和卡方检验

11-27-1 混淆矩阵

11-27-2 模型评估指标

11-27-3 精度线、最佳阈值点和AUC面积

11-27-4 代码实现

11-27-5 统计学习方法

11-27-6 朴素贝叶斯

11-28-1 客户生命周期

11-28-2 分箱

11-28-3 数据预处理

11-28-4 优比

11-28-5 代码实现

11-2-1 通用建模流程

11-2-2 变量的相关性

11-2-3 模型评估

11-2-4 案例分析

11-2-5 案例背景介绍和逻辑回归原理

11-2-6 代码实现（一）

11-2-7 代码实现（二）

12-3-1 逻辑回归案例回顾

12-3-2 线性回归模型案例

12-3-3 变量处理（一）

12-3-4 变量处理（二）

12-3-5 两阶段模型综合应用

12-4-1 客户分群入门

12-4-2 聚类的衡量指标

12-4-3 数据探索 ：缺失值、异常值

12-4-4 聚类优度和轮廓系数

12-4-5 案例总结

12-5-1 面试准备

12-5-2 excel测试题（一）

12-5-3 excel测试题（二）

12-5-4 sql测试题

12-5-5 逻辑题

12-6-1 简历制作（一）

12-6-2 简历制作（二）

12-6-3 个人形象

12-6-4 面试题

12-10-1 推荐系统介绍

12-10-2 协同过滤

12-10-3 推荐系统架构

12-10-4 评估指标

12-11-1 关联规则

12-11-2 Apriori算法和FP-growth

12-11-3 评测指标和相似度计算

12-11-4 基于物品的协同过滤

12-12-1 文本分析理论

12-12-2 统计语言模型

12-12-3 词向量（一）

12-12-4 词向量（二）

12-13-1 中文分词

12-13-2 文本挖掘应用场景

12-13-3 文本聚类

12-13-4 情感分析

八、数据分析在互联网金融中的应用

12-9-1 互联网金融中的产品介绍

12-9-2 数据介绍

12-9-3 策略介绍

12-9-4 代码实现

12-23-1 互联网数据分析行业介绍

12-23-2 分析师职业规划

12-23-3 场景演练

12-23-4 问题答疑

九、案例

12-9-1 行业知识简介

12-9-2 网页模块设计

12-9-3 电商案例的背景介绍和数据说明

12-9-4 基于聚类的营销推荐代码实现（一）

12-10-1 基于聚类的营销推荐代码实现（二）

12-10-2 基于聚类的营销推荐代码实现（三）

12-10-3 基于聚类的营销推荐代码实现（四）

12-10-4 基于近邻的协同过滤

12-10-5 基于协同过滤的推荐代码实现

12-16-1 产品背景介绍

12-16-2 数据探索代码实现

12-16-3 变量重要性度量标准

12-16-4 购买倾向模型

12-16-5 python算法实现（一）

12-16-6 python算法实现（二）

12-17-1 Gradient Boosting（一）

12-17-2 Gradient Boosting（二）

12-17-3 A/B 测试

12-17-4 营销活动效果分析（一）

12-17-5 营销活动效果分析（二）

12-22-1 评分卡业务场景介绍

12-22-2 数据预处理（一）

12-22-3 数据预处理（二）

12-22-4 变量选择

12-22-5 变量分箱，IV，WOE值

12-23-1 数据准备代码实现

12-23-2 信用评分：模型评估

12-23-3 爬取狗粮评论

12-23-4 模拟浏览器访问淘宝页面