Excel

11-12-1大数据时代与数据分析

11-12-2Excel基本操作

11-12-3Excel基本操作2

11-12-4Excel基本操作3

11-12-5Excel基本公式

11-12-6Excel基本公式2

11-13-1常用函数

11-13-2常用函数2

11-13-3数组

11-13-4数组2

11-13-5查找引用函数

11-14-1查找引用函数2

11-14-2对称图表

11-14-3子弹图

11-14-4图表

11-14-5数据透视表

11-15-1杜邦分析仪

11-15-2杜邦分析仪2

11-15-3Power Query

11-15-4连接演示

11-15-5Power Query M函数

11-16-1图表标题

11-16-2创建数据透视表

11-16-3DAX表达式练习

11-16-4表格数据做可视化界面

Mysql

11-19-1什么是数据库

11-19-2创建数据库

11-19-3数据类型

11-19-4导入外部数据

11-19-5数据查询功能

11-20-1多表连接

11-20-2单表查询练习

11-20-3求总中奖张数及金额

11-20-4多表查询练习

11-21-1电商数据处理案例

11-21-2表结构信息

11-21-3表结构信息2

11-21-4求出购买产品金额最多的前十名顾客

11-22-1求出品牌下所有商品

11-22-2基本分析方法

11-22-3数据库加工步骤

11-22-4零售业销售情况分析仪

11-23-1销量点击量分析

11-23-2小组答疑

11-23-3餐饮综合案例

11-23-4创建汇总信息表

统计

11-26-1数学概况

11-26-2数据类型

11-26-3线性组合

11-26-4逆矩阵和矩阵的秩

11-26-5需要掌握的计算

11-27-1微积分

11-27-2函数极限

11-27-3导函数

11-27-4几何意义

11-27-5函数的极值

11-28-1级数

11-28-2数值型数据；平均数

11-28-3关于分布的几个概念

11-28-4中心极限定理

11-28-5最大似然估计法

11-29-1假设检验

11-29-2相关分析

11-29-3最小二乘法

11-29-4回归系数的解释

11-29-5变量选择

Python

12-3-1基础知识

12-3-2Python概述

12-3-3prin输出

12-3-4表示换行

12-3-5基础知识习题

12-4-1列表

12-4-2对元素排序

12-4-3删除字典元素

12-4-4else语句

12-4-5if嵌套

12-5-1条件表达式

12-5-2跳转语句

12-5-3函数

12-5-4return语句

12-5-5代码块与作用域

12-6-1lamda表达式

12-6-2异常与错误

12-6-3调试

12-6-4x是datetime类型变量

12-6-5文件读取的方法

SPSS

12-8-1SPSS案例目录

12-8-2SPSS软件特征

12-8-3SPSS软件特征2

12-8-4数据库的访问

12-8-5绩效总分

12-9-1假设检验

12-9-2T-检验

12-9-3绩效总分

12-9-4回归

12-9-5散点图

12-10-1直方图

12-10-2名称修改

12-10-3方程中的变量

12-10-4方程中的变量2

12-10-5数据编程

12-11-1相关性

12-11-2模型摘要和参数估算值

12-11-3主成分分析

12-11-4预测变量重要性

12-11-5预测变量重要性2

12-12-1RFM分析

12-12-2编辑指标

12-12-3联合分析

12-12-4缺失值模式

12-12-5平均值绩效总分

Python数据清洗

12-14-1Pandas使用

12-14-2numpy讲解

12-14-3数组运算

12-14-4线性代数

12-14-5文件读取

12-15-1数据子集选取

12-15-2pandas讲解

12-15-3pandas讲解

12-15-4纵向合并

12-15-5数据预处理

12-16-1异常值处理

12-16-2导入绘图模块

12-16-3读取数据

12-16-4医院销售数据分析

12-16-5服饰类别

Python算法

12-26-1爬虫基础1

12-26-2爬虫基础2

12-26-3http基本原理

12-26-4正则表达式

12-26-5链家网抓取图片

12-27-1URllib

12-27-2提取链家房源并排序

12-27-3电影分类排行榜

12-27-4Beautiful Soup

12-27-5动态页面抓取

12-28-1统计学习方法

12-28-2机器学习任务

12-28-3线性回归

12-28-4梯度下降法

12-28-5局部加权线性回归

12-29-1线性回归

12-29-2逻辑回归

12-29-3梯度上升法

12-29-4Softmax Regress i on

12-29-5拆分类别数据

12-30-1逻辑回归

12-30-2梯度下降的算法调优

12-30-3神经网络

12-30-4神经网络——葡萄酒数据集

12-30-5tensorflow

12-31-1建立训练数据label真实值

12-31-2决策树

12-31-3如何计算信息增益

12-31-4CART

12-31-5AdaBoost

1-3-1决策树

1-3-2Bagging模型之随机森林

1-3-3Boosting模型

1-3-4构造最终分类器

1-3-5构建决策树

1-4-1朴素贝叶斯

1-4-2概率分类模型评估指标

1-4-3文本数据预处理

1-4-4文本数据预处理2

1-4-5sklearn中的bayes函数

1-5-1聚类定义

1-5-2K-均值聚类

1-5-3定义可视化函数

1-5-4层次聚类法

1-5-5层次聚类法2

1-6-1支持向量机

1-6-2线性可分SVM

补发 支持向量机

补发 SVM分类

1-6-3Karush-Kuhn-Tucker最优化条件

1-6-4低维映射高维

1-6-5调参

1-7-1推荐系统简介

1-7-2关联规则相关概念

1-7-3Apriori算法

1-7-4挖掘关联规则

1-7-5设置数据集

1-8-1协同过滤原理简介

1-8-2基于用户的协同过滤算法

1-8-3推荐系统的评估指标

1-8-4获取数据

1-8-5支持向量机理论基础

1-11-1ROC曲线vs.Liift曲线

1-11-2

1-11-3

1-11-4

1-11-5

python编程、爬虫

10-29-1

10-29-2

10-29-3

10-29-4

10-29-5

10-30-1

10-30-2

10-30-3

10-30-4

10-30-5

10-31-1

10-31-2

10-31-3

10-31-4

10-31-5

11-1-1

11-1-2

11-1-3

11-1-4

11-1-5

11-2-1

11-2-2

11-2-3

11-2-4

11-2-5

11-3-1

11-3-2

11-3-3

11-3-4

11-3-5

11-4-1

11-4-2

11-4-3

11-4-4

11-4-5

python案例

1-12-1时间序列分析

1-12-2移动平均模型

1-12-3时间序列分析

1-12-4时间序列建模

1-13-1什么是推荐系统

1-13-2什么是购物篮分析

1-13-3基于相似性的推荐流程

1-13-4协同过滤的优缺点

1-13-5案例

Pyhton数据挖掘（补充）

10-16-1决策树-非线性二分类

10-16-2bagging

10-16-3bagging2

10-16-4Stacking

10-16-5titanic

10-17-1聚类算法

10-17-2KMEANS实现

10-17-3聚类-KMEANS

10-17-4sklearn-K-MEANS

10-17-5基于密度的方法；DBSCAN

10-18-1新闻分类

10-18-2词袋模型

10-18-3多项式模型

10-18-4贝叶斯-英文新闻分类

10-18-5贝叶斯拼写检查器

10-20-1SVM

10-20-2转化为凸优化问题

10-20-3SVM例子

10-20-4SVM-人脸识别

Python数据清洗

12-7-1理解数据分析的应用场景

12-7-2改变ndarray的形状

12-7-3创建二维数组

12-7-4数组的矩阵积

12-7-5通用函数

12-8-1数组数据文件读写

12-8-2通过一维数组创建Serirs

12-8-3Series自动对齐

12-8-4DataFrame

12-8-5处理缺失数据

12-9-1制图

12-9-2数据预处理

12-9-3Pandas

12-9-4案例分析课

12-9-5数据分析与聚合

R案例

1-16-1数据科学

1-16-2R背景

1-16-3对象object

1-16-4读写数据

1-16-5Practices

1-17-1生成新的元素

1-17-2Practices2

1-17-3创建随机数

1-17-4Practices

1-17-5Practices2

1-18-1替换

1-18-2控制结构

1-18-3Practices1

1-18-4Practices3

1-18-5常见数据清理

1-19-1加载数据练习

1-19-2描述探索性数据分析

1-19-3多个方直图

1-19-4基本绘图

1-20-1基本绘图函数

1-20-2统计推断

1-20-3置信区间

1-20-4异方差独立租的T置信区间

1-20-5方差分析

1-22-1卡方检验

1-22-2序

1-22-3ROC曲线

1-22-4iso精度线

1-22-5AUC面积

1-23-1票房影响因素分析

1-23-2客户信息

1-23-3商业理解

1-23-4生成信用评分模型

1-24-1客户信息

1-24-2商业理解

1-24-3商业理解2

1-24-4生成新列

1-24-5生成每行对应的分数

综合案例【R】

1-26-1机器学习背景知识

1-26-2强化学习

1-26-3分类问题的变量

1-26-4数据科学工作流

1-26-5数据科学工作流2

1-27-1神经网络发展历程

1-27-2激活函数

1-27-3被玩坏的P2P

1-27-4信用风险识别的基本流程

1-27-5神经元

推荐系统 文本挖掘

2-14-1产生背景

2-14-2冷启动问题

2-14-3EE问题

2-14-4原始矩阵

2-14-5User CF局限性

2-15-1TopN推荐

2-15-2两种CF算法的适宜场景

2-15-3基于内容的推荐

2-15-4计算用户和物品相似度

2-15-5信息增益

2-16-1从规则到统计

2-16-2统计语言模型

2-16-3词向量

2-16-4文本分析1——中文分词

2-16-5代码实战——词向量

2-17-1文本分析应用场景

2-17-2分类算法

2-17-3文本分类

2-17-4文本聚类

2-17-5文本分析1——基本理论

电商案例

2-24-1数据分组与聚合

2-24-2聚合函数

2-24-3数据透视表

2-24-4数据清洗

2-24-5案例分析

2-24-6案例分析2

2-25-1

2-25-2

2-25-3

2-25-4

2-25-5

16 电商案例（补）

1

2

3

4

5

6

7

8

9

评分卡

3-2-1业务场景定义

3-2-2业务场景定义

3-2-3数据准备及数据预处理

3-2-4缺失值处理

3-2-5异常值处理

3-3-1查看数据分布

3-3-2信用评分

3-3-3设置因变量

3-3-4关于模型监控

3-3-5关于模型监控2

SQL集训

3-4-1基本查询语句

3-4-2默认约束

3-4-3group by 子句

3-4-4关联子查询

面试技巧

3-5-1个人简历

3-5-2设立目标

3-5-3接面试通知

3-5-4面试流程

3-5-5面试后注意事项

3-6-1

3-6-2

3-6-3

3-6-4

3-6-5

3-7-1

3-7-2

3-7-3

3-7-4

3-7-5

3-8-1

3-8-2

3-8-3

3-8-4

3-8-5