一、统计基础

3-12-1.高等数学基础

3-12-2.数据模型基础

3-12-3.矩阵

3-12-4.数据处理及函数

3-12-5.统计学基础

3-13-1极限

3-13-2微分

3-13-3微分和倒数的应用

3-13-4泰勒中值定理

3-13-5描述性统计

3-14-1.统计量

3-14-2.抽样分布

3-14-3.区间估计

3-14-4.最大似然估计和区间估计

3-14-5.假设检验

3-15-1卡方检验

3-15-2列联表分析

3-15-3回归分析

3-15-4回归分析的评估

3-15-5变量选择

二、MySQL

3-17-1.MySQL安装与配置

3-17-2.建表与数据类型

3-17-3.创建约束

3-17-4.修改表信息

3-18-1.单表查询

3-18-2.多表连接

3-18-3.子查询

4-17-1.电商案例数据准备

4-17-2.数据预处理

4-17-3.select练习

4-18-1.图表制作

4-18-2.分析方法论

4-18-3.Power Povit数据透视表

4-19-1.小组分享

4-19-2.分析仪制作方法

4-19-3.餐饮分析仪制作

三、python

3-19-1.Python引言

3-19-2.Python基础语法

3-19-3.字符串和列表

3-19-4.列表和元组

3-20-1.字典和分支结构

3-20-2.for循环

3-20-3.循环和分支结构练习

3-20-4.自建函数

3-21-1.回顾练习

3-21-2.递归函数

3-21-3.错误和异常

3-21-4.高级函数

3-22-1函数生成_模块_读写

3-22-2随机数_目录_时间

3-22-3棋盘_赌徒必输

3-22-4连接数据库

3-24-1.dnarry对象

3-24-2.dnarry对象的方法

3-24-3.数组运算

3-24-4.函数应用和映射

3-25-1函数

3-25-2排序和过滤

3-26-1RFM计算

3-26-2医疗数据处理

3-28-1爬虫简介

3-28-2网页解析

3-28-3网页爬虫淘宝

3-28-4网页爬虫有道翻译

3-28-5网页爬虫天气

3-29-1.post获取有道翻译结果和BeautifulSoup解析网页

3-29-2.BeautifulSoup解析网页并抓取数据

3-29-3.正则表达式

3-29-4.selenium定位爬取去哪网

3-29-5.selenium爬取去哪网

3-29-6.selenium动态爬取去哪网景点

3-30-1.统计语言模型

3-30-2.词向量

3-30-3.中文分词

3-30-4.R语言实现分词和词向量

3-30-5.R语言实现词云图

3-31-1.文本分析引言和Logistic回归及KNN

3-31-2.贝叶斯和SVM

3-31-3.Python实现文本分类

3-31-4.文本聚类和主题模型

3-31-5.情感分析和CNN

4-3-1.推荐系统概述

4-3-2.冷启动问题

4-3-3.EE问题和基于近邻的协同过滤

4-3-4.基于用户和基于物品的协同过滤

4-3-5.Python实现协同过滤

4-4-1.基于内容的推荐和用户画像

4-4-2.文本挖掘算法

4-4-3.基于矩阵分解的推荐

4-4-4.基于深度学习的算法

4-4-5.视频推荐架构

四、Excel

4-9-1.Excel简介

4-9-2.Excel基本操作

4-9-3.数据处理

4-9-4.单元格地址引用

4-10-1常用函数

4-10-2.数组

4-10-3.数组函数和查找引用函数

4-10-4.高级函数和基本图表

4-11-1.课后练习

4-11-2.常用图表

4-11-3.动态图表

4-11-4.数据透视表

4-11-5.动态透视表

4-12-1.数据分析方法和流程

4-12-2.杜邦分析仪

4-12-3.空气质量和餐饮销量分析

4-12-4.表数据结构

4-13-1.Power Query获取数据

4-13-2.Power Povit搭建多维数据集

4-13-3.Power Povit层次结构

五、中期交流

4-23-1

4-23-2

4-23-3

4-25-1

4-25-2

4-25-3

六、SPSS

4-26-1.综合绩效案例-数据分析过程

4-26-2.SPSS软件综合特征

4-26-3.访问数据源

4-26-4.统计量与图形

4-27-1.员工绩效管理-一般线性模型

4-27-2.相关性分析

4-27-3.显著性检验

4-27-4.残差分析

4-27-5.模型预测

5-2-1.交叉表

5-2-2.逻辑回归

5-2-3.系数解释和哑变量

5-2-4.混淆矩阵

5-2-5.逻辑回归建模流程

5-3-1.变量筛选

5-3-2.主成分分析

5-3-3.聚类距离度量

5-3-4.二阶聚类比较

5-3-5.RFM简介

5-4-1.RFM可视分箱

5-4-2.客户价值细分

5-4-3.联合分析步骤

5-4-4.评分建模和预测

5-4-5.数据分析在不同数据量级下的应用

七、R

5-7-1.R语言介绍

5-7-2.R数据类型

5-7-3列表和矩阵

5-7-4.数组和因子

5-8-1.读写数据和R对象

5-8-2.数据框

5-8-3.向量化运算和常用运算函数

5-9-1.随机函数

5-9-2.时间和日期函数

5-9-3.字符处理函数

5-9-4.控制结构和循环函数

5-10-1.循环

5-10-2.自定义函数

5-10-3.分组循环函数

5-10-4.排序和切割

5-10-55-10-5.重塑数据

5-11-1.箱线图

5-11-2.直方图和柱形图

5-11-3.散点图

5-11-4.基础绘图系统

5-12-1.样本均值的统计量

5-12-2.区间估计

5-12-3.假设检验

5-12-4.T检验和方差分析

5-12-5.相关分析

5-14-1.简单线性回归

5-14-2.R代码实现简单线性回归

5-14-3.多元线性回归

5-14-4.变量选择

5-14-5.模型评估

5-15-1.回归诊断

5-15-2.逻辑回归logit变换

5-15-3.逻辑回归参数估计

5-15-4.模型评估

5-19-1.关联规则基本概念

5-19-2.关联规则

5-19-3.Apriori算法1

5-19-4.Apriori算法2

5-19-5.R语言实现关联规则

5-19-6.数据分类简述

5-20-1.决策树CLS算法

5-20-2.决策树ID3算法

5-20-3.决策树C4.4算法

5-20-4.决策树剪枝

5-20-5.决策树CART算法

5-21-1.R语言实现决策树1

5-21-2.R语言实现决策树2

5-21-3.随机森林基本思想

5-21-4.随机森林算法

5-21-5.R语言实现随机森林

5-22-1.SVM简介

5-22-2.线性可分SVM

5-22-3.非线性SVM

5-22-4.软间隔SVM

5-22-5.R语言实现SVM

5-24-1.R代码实现模型评估

5-24-2.层次聚类

5-24-3.R代码实现层次聚类

5-25-1.K-Means聚类

5-25-2.聚类结果检验

5-25-3.主成分分析

5-25-4.R语言实现主成分

5-28-1.条件概率

5-28-2.全概公式

5-28-3.朴素贝叶斯建模

5-28-4.贝叶斯分类手算模型

5-28-5.R语言实现朴素贝叶斯

5-29-1.神经元模型

5-29-2.神经网络模型

5-29-3.感知器

5-29-4.BP和RBP神经网络

5-30-1.数据挖掘一般流程

5-30-2.电影票房预测

5-31-1.个人征信预测

5-31-2.建模流程和统计量

5-31-3.评分卡模型

6-1-1.客户分群简介和层次聚类

6-1-2.K-Means聚类

6-1-3.R语言实现客户分群

6-1-4.分群结果展示

6-4-1.预测性模型概念

6-4-2.通用建模流程

6-4-3.保险案例背景介绍

6-4-4.数据探索

6-4-5.数据清洗和建模

6-5-1.逻辑回归模型评估

6-5-2.线性回归数据探索

6-5-3.数据清洗和相关分析

6-5-4.两阶段模型商业应用

6-6-1.推荐系统简介

6-6-2.关联规则算法

6-6-3.相似度计算

6-6-4.协同过滤算法

6-6-5.基于内容的推荐和基于矩阵分解的推荐

6-7-1.白噪声序列

6-7-2.自回归和移动平均模型

6-7-3.ARIMA模型

6-7-4.Box-Jenkins建模流程

6-7-5.R语言实现时间序列

6-8-1.决策树算法原理

6-8-2.rattle包实现决策树

6-8-3.决策树剪枝和模型检验

6-8-4.回归树应用及随机森林介绍

6-9-1.信用风险和评分卡模型的基本概念

6-9-2.非平衡样本问题的定义和解决方法

6-9-3.特征工程和模型构建与验证

6-9-4.Python实现申请评分卡

6-9-5.京东客户生命周期管理

6-10-1.绩效评价

6-10-2.认同度调查和人口监测

6-10-3.语音识别和自然语言处理

6-10-4.专家系统和图像识别

八、就业指导

6-13-1.简历技巧1

6-13-2.简历技巧2

6-13-3.面试技巧1

6-13-4.面试技巧2