一、Excel

2-18-1 excel基础入门

2-18-2 excel基础技巧&组合键

2-18-3 excel数据处理高效方法

2-18-4 excel数据格式

2-19-1 数据收集和清洗技巧

2-19-2 公式和函数

2-19-3 常用函数

2-19-4 数组

2-20-1 查找和引用函数（一）

2-20-2 查找和引用函数（二）

2-20-3 图标展示数据

2-20-4 动态图以及数据透视表（一）

2-21-1 数据透视表（二）

2-21-2 案例实验（一）

2-21-3 宏

2-21-4 三表连接建立power pivot模型

2-21-5 power BI desktop 使用

2-22-1 power query处理数据

2-22-2 合并查询

2-22-3 power pviot函数使用

2-22-4 power BI使用（一）

2-22-5 power BI使用二）

二、MySQL

2-25-1 数据库简介

2-25-2 数据库的基本语法

2-25-3 创建数据表及插入数据

2-25-4 数据表的连接

2-26-1 数据表的连接（二）及查询操作符

2-26-2 彩票数据练习（一）

2-26-3 彩票数据练习（二）

2-26-4 彩票数据练习（三）

2-27-1 电商案例练习（一）

2-27-2 电商案例练习（二）

2-27-3 电商案例练习（三）

2-27-4 电商案例练习（四）

2-28-1 sql+excel餐饮综合案例数据表的建立

2-28-2 数据表的准备

2-28-3 数据库导入excel中进行处理

3-1-1 度量值处理

3-1-2 BI报告处理

3-4-1 oracle基本介绍

3-4-2 表的建立和查询

3-4-3 导入外部数据和修改字段

3-4-4 查询语句练习

3-5-1 oracle查询练习

3-5-2 sql server基础理论

3-5-3 sql server练习（一）

3-5-4 sql server练习（二）

三、Tableau数据可视化

3-7-1 tableau介绍

3-7-2 超市案例按类别分析

3-7-3 按地理分类和仪表盘制作

3-7-4 2表链接合并即筛选

3-8-1 新字段、参数、地图和条形图

3-8-2 折线图、组合图和饼图

3-8-3 环形图

3-8-4 树状图、填充气泡图和词云图

3-8-5 散点图、箱线图、甘特图

3-8-6 瀑布图、标靶图、仪表板

四、Python（补3月14号视频）

01.Numpy的介绍_ndarray的使用_矢量化运算

02.Numpy中的数据类型

03.numpy数组的创建

04.生成线性序列_空值无穷大_常用属性

05.随机数组1

06.随机数组2_完成版

07.数组的索引和切片1

08.数组的索引和切片2

09.数组的变形

10.视图和副本

11.数组的拼接与分裂

12.操作布尔序列

13.操作布尔序列(2)

14.使用整数序列进行复杂索引

15.广播机制

16.Numpy的基本运算

17.统计函数的使用

五、Python

3-11-1 python入门及anaconda介绍

3-11-2 markdown语法

3-11-3 变量 命名

3-11-4 数据类型

3-11-5 字符串

3-12-1 字符串方法

3-12-2 字符串格式化

3-12-3 if函数

3-12-4 循环语句

3-12-5 列表

3-13-1 列表的常用方法、元组和字典

3-13-2 字典方法、集合和常用内置函数

3-13-3 函数

3-13-4 局部变量和全局变量

3-13-5 模块

3-14-1 numpy基本介绍

3-14-2 随机数组和数组的属性

3-15-1 数组的排序、搜索和计数

3-15-2 数组的线性代数

3-15-3 pandas中的series数据结构

3-15-4 Dataframe数据结构

3-15-5 pandas读取数据

3-15-6 数据的选取和描述

3-18-1 pandas的索引和切片

3-18-2 布尔索引和映射

3-18-3 随机抽样

3-18-4 缺失值运算

3-18-5 合并、拼接

3-19-1 python可视化介绍

3-19-2 简单绘图和心形图

3-19-3 散点图

3-19-4 折线图、饼图

3-19-5 直方图

3-20-1 数据清洗案例-数据的导入和探索

3-20-2 数据的分组

3-20-3 去哪儿数据案例练习（一）

3-20-4 去哪儿数据案例练习（二）

3-21-1 爬虫基础入门：HTML结构

3-21-2 request库

3-21-3 响应状态码

3-21-4 post方法：翻译软件练习

3-21-5 正则表达式

六、统计

3-25-1 统计学集合论

3-25-2 数据类型

3-25-3 线性转换

3-25-4 矩阵乘法

3-25-5 逆矩阵和秩

3-25-6 矩阵运算、特征值和特征向量

3-26-1 微积分和初等函数

3-26-2 极限的定义

3-26-3 导函数

3-26-4 偏导数和极值

3-26-5 曲线拐点、凹凸性

3-28-1 概率统计

3-28-2 方差、标准差、切比雪夫不等式

3-28-3 正态分布

3-28-4 卡方分布

3-28-5 中心极限定理、区间估计

3-28-6 最大似然估计

3-29-1 假设检验

3-29-2 相关分析

3-29-3 最小二乘法

3-29-4 多元线性回归

3-29-5 哑变量 和线性回归建模步骤

七、SPSS

3-31-1 spss入门介绍

3-31-2 数据的分类

3-31-3 线性回归入门

3-31-4 T-检验

3-31-5 短期绩效数据分析

4-1-1 数据相关性和R方值

4-1-2 回归残差

4-1-3 相关分析

4-1-4 卡方检验

4-1-5 交叉表

4-2-1 变量之间的相关性分析

4-2-2 特征筛选、主成分分析

4-2-3 spss推荐书籍

4-2-4 二阶聚类分析

4-3-1 神经网络分析

4-3-2 预测分析、Roc曲线

4-3-3 决策树分析

4-3-4 时间序列分析

4-3-5 数据分析行业知识

八、中期交流

4-4-1

4-4-2

4-4-3

4-4-4

4-4-5

4-4-6

4-4-7

4-4-8

4-4-9

4-4-10

九、商业BI实战案例

4-8-1 power BI介绍

4-8-2 产品分类表操作

4-8-3 建立数据模型

4-8-4 说明数据

4-8-5 生成可视化报告

4-9-1 餐饮业分析仪

4-9-2 数据加工

4-9-3 M函数

4-9-4 M函数错误处理

4-9-5 NBA网站数据处理

4-10-1 NBA数据处理案例

4-10-2 考试成绩处理

4-10-3 power pivot案例

4-10-4 DAX

4-10-5 大气质量案例（一）

4-11-1 大气质量案例 （二）

4-11-2 大气质量案例 （三）

4-11-3 乘用车分析仪表盘案例（一）

4-11-4 乘用车分析仪表盘案例（二）

4-11-5 乘用车分析仪表盘案例（三）

4-12-1 个人可视化报告呈现

4-12-2 对案例进行完整描述（一）

4-12-3 对案例进行完整描述（二）

4-12-4 对案例进行完整描述（三）

4-12-5 分析报告

十、Python爬虫

4-15-1 爬取剑来小说（一）

4-15-2 爬取剑来小说（二）

4-15-3 爬取全职高手

4-15-4 爬取豆瓣影评（一）

4-15-5 爬取豆瓣影评（二）

4-16-1 使用代理ip爬取小说评论

4-16-2 异常处理

4-16-3 python连接sql

4-16-4 模拟浏览器（一）

4-16-5 模拟浏览器（二）

十一、Python机器学习

4-17-1 机器学习入门

4-17-2 KNN的基础原理

4-17-3 KNN的代码实现

4-17-4 建模并评估

4-17-5 模型的优化

4-18-1 KNN回顾及K-Means入门

4-18-2 K-Means原理

4-18-3 K-Means的代码实现

4-18-4 K-Means的sklearn实现

4-18-5 质心的选择

4-19-1 K-Means算法总结

4-19-2 决策树入门

4-19-3 决策树的sklearn实现

4-19-4 树的调参

4-19-5 树的剪枝

4-22-1 分类模型的评估指标

4-22-2 集成算法

4-22-4 关联规则

4-22-5 频繁项集

4-23-1 多元线性回归

4-23-2 最小二乘法

4-23-3 线性回归及岭回归

4-23-4 多重共线性

4-23-5 lasso回归

4-24-1 线性回归总结

4-24-2 多项式回归

4-24-3 多元线性回归处理非线性回归

4-24-4 L1，L2正则

4-24-5 逻辑回归

4-25-1 逻辑回归的sklearn实现

4-25-2 svm原理（一）

4-25-3 svm原理（二）

4-25-4 核函数的优势和缺陷

4-25-5 svm的代码实现

4-26-1 svm的不平衡问题

4-26-2 svm的样本不均衡

4-26-3 朴素贝叶斯原理

4-26-4 代码实现贝叶斯

4-26-5 补集朴素贝叶斯

十二、电商文本挖掘

5-4-1 数据分析的应用场景

5-4-2 自然语言处理

5-4-3 聚类的基本流程

5-4-4 推荐系统原理

5-4-5 基于用户和物品的协同过滤

5-5-1 两种协同过滤算法对比

5-5-2 聚合函数

5-5-3 自行车数据的聚合和可视化

5-5-4 小案例数据清洗

5-5-5 电商数据探索和词云图

十三、SQL集训

5-6-1 面试技巧和excel题库

5-6-2 excel测试题

5-6-3 sql面试题（一）

5-6-4 sql面试题（二）

5-6-5 逻辑题

十四、评分卡

5-11-1

5-11-2

5-11-3

5-11-4

5-11-5

5-11-6

5-12-1

5-12-2

5-12-3

5-12-4

5-12-5

十五、就业指导

5-13-1

5-13-2

5-13-3

5-13-4

5-14-1

5-14-2

5-14-3

5-14-4

5-14-5

十六、python机器学习（补53）

5-5-1

5-5-2

5-5-3

5-5-4

5-5-5

5-6-1

5-6-2

5-6-3

5-6-4

5-6-5

5-7-1

5-7-2

5-7-3

5-7-4

5-7-5

5-8-1

5-8-2

5-8-3

5-8-4

5-8-5

5-10-1

5-10-2

5-10-3

5-10-4

5-10-5

5-11-1

5-11-2

5-11-3

5-11-4

5-11-5

5-12-1

5-12-2

5-12-3

5-12-4

5-12-5

5-13-1

5-13-2

5-13-3

5-13-4

5-13-5

十七、电商（补49）

3-31-1

3-31-2

3-31-3

3-31-4

4-1-1

4-1-2

4-1-3

4-1-4

4-1-5

4-1-6

十八、文本分析（补36）

10-19-1

10-19-2

10-19-3

10-19-4

10-19-5

10-20-1

10-20-2

10-20-3

10-20-4

10-20-5

十九、数据分析在相关行业中的运用

5-18-1

5-18-2

5-18-3

5-18-4

5-18-5