Excel

8-13-1数据分析概述、Excel基本操作

8-13-2 Excel基本操作

8-13-3Excel基本操作2

8-13-4原数据列

8-14-1 逻辑函数

8-14-2日期函数

8-14-3什么是数组

8-14-4数组的计算方式

8-14-5数组的计算方式2

8-15-1多种类型的图表

8-15-2条形图

8-15-3瀑布图

8-15-4漏斗图

8-15-5值显示方式

8-16-1业务数据分析流程

8-16-2杜邦分析仪

8-16-3Power Bl学习指南

8-16-4数据加工Power Query

8-16-5表结构数据的数据结构

8-17-1纵向合并数据

8-17-2M函数精讲

8-17-3M函数精讲2

8-17-4Power Pivo搭建多维数据集

8-17-5Power Pivot层次结构

数据库

8-20-1使用KPI方法

8-20-2数据表

8-20-3创建数据表 约束条件

8-20-4创建大气质量表

8-20-5修改数据表

8-21-1Select语句的操作符

8-21-2as重命名与limit限制查询结果行数

8-21-3求中奖张数及金额

8-21-4检查每本彩票中最多只有连续7张无奖票

8-21-5倒序查询卖的金额最多的产品

8-22-1查询不同尺码的不同颜色的产品销售金额

8-22-2查询导入表的行数

8-22-3创建新的日期时间字段并赋值

8-22-4求出购买产品金额最多的前十名顾客

8-22-5求出购买产品金额最多的前十名顾客所在城市

8-23-1求出最畅销的十种颜色

8-23-2零售业售情况分析仪

8-23-3基本图表用法

8-23-4横向对比

8-24-1各个时间段内各品牌的销量情况

8-24-2XX餐饮业日销售情况分析仪

统计

8-27-1数学概况

8-27-2数据类型

8-27-3向量

8-27-4向量2

8-28-1函数的性质

8-28-2Xo时的函数极限

8-28-3导函数

8-28-4微积分

8-28-5存在定理

8-29-1数据的集中趋势

8-29-2标准分数

8-29-3正态分布导出的几个重要分布

8-29-4样本比例

8-29-5最大似然估计法

8-29-6两个总体参数的区间估计

8-30-1一个总体比例的检验

8-30-2列联表分析

8-30-3协方差

8-30-4回归分析

8-30-5一元线性回归模型

8-30-6多元线性回归

8-30-7变量选择

案例

9-1-1电商的定义

9-1-2常用分析体系概述

9-1-3常用分析体系概述---商品分析

SPSS

9-3-1SPSS案例分析

9-3-2与同类软件对比

9-3-3与同类软件对比2

9-3-4统计量与图形

9-4-1访问数据源

9-4-2相关性

9-4-3模型摘要

9-4-4直方图

9-4-5直方图2

9-5-1线性回归

9-5-2交叉表

9-5-3方程中的变量

9-5-4主成分分析

9-5-5非参数相关性

9-6-1总方差解释

9-6-2聚类

9-6-3模型摘要

9-6-4整体画像

9-6-5客户价值模型

9-7-1联合分析

9-7-2问卷设计

9-7-3单变量统计

9-7-4摘要统计

9-7-5SPSS案例分析

Python编程基础

9-10-1编程的基本思想

9-10-2python的注释功能

9-10-3基本数据类型

9-10-4数字的计算

9-10-5字符串

9-11-1字符串的方法

9-11-2循环语句

9-11-3while循环

9-11-4for循环

9-11-5元祖【Turple】

9-12-1if条件判断

9-12-2max0 min0

9-12-3函数定义和调用

9-12-4全局变量

9-12-5提取数据的代码

9-13-1语法结构

9-13-2定义自己的模块

9-13-3时间模块

9-13-4制作文件的备份

9-13-5面向过程

8-14-1数据清洗

9-14-2数据类型

9-14-3Numpy180914

9-14-4重复与去重

9-15-1Pandas

9-15-2索引的基本知识

9-15-3Pandas进阶

9-15-4基于位置的索引

9-15-5Pandas进阶2

9-17-1数据的读写

9-17-2目的地的平均价格进行透视分析

9-17-3缺失值 异常值 重复值的检测与处理

9-17-4重复值的发现与处理

9-17-5建模案例

9-18-1爬虫基础入门

9-18-2创建一个Request对象

9-18-3爬虫基础应用

9-18-4爬虫基础应用2

9-18-5API接口数据获取

9-19-1json结构

9-19-2BeautifulSoup

9-19-3BeautifulSoup2

9-19-4对新闻内容的url进行解析

9-19-5只抓取国内自由行数据

9-20-1什么是数据挖掘

9-20-2一元线性回归

9-20-3用梯度下降法来求解线性回归

9-20-4多元回归

9-20-5岭回归

9-21-1逻辑回归

9-21-2逻辑回归的代价函数

9-21-3正确率与召回率

9-21-4KNN

9-21-5KNN2

R

9-25-1R基础

9-25-2R基础 对象

9-25-3R对象

9-25-4R对象2

9-25-5数据输入与输出

9-26-1数据输入与输出2

9-26-2数据管理

9-26-3数据管理2

9-26-4R中的函数

9-26-5R中的函数2

9-27-1R中的函数

9-27-2apply函数族

9-27-3R中的控制语句

9-27-4R中的控制语句2

9-27-5R中的图形参数

9-28-1R中的图形参数2

9-28-2单元离散变量

9-28-3饼图和扇形图

9-28-4二元连续变量

9-28-5二元连续变量2

9-29-1描述统计分析

9-29-2两均值检验

9-29-3两均值检验2

9-29-4方差分析

R统计 案例

10-9-1数据科学

10-9-2统计推断基础

10-9-3案例

10-9-4多变量关系检验方法综述

10-9-5交互项判断

10-10-1序

10-10-2绘制曲线

10-10-3绘制曲线2

10-10-4预测数据

10-10-5衍生变量

10-11-1信用评分卡

10-11-2数据处理流程

10-11-3WOE值变量

10-11-4逻辑回归

10-11-5替换缺失值

Python算法

10-14-1Python介绍

10-14-2神经网络

10-14-3模型收敛条件

10-14-4线性神经网络

10-14-5BP神经网络

10-15-1一般的神经网络开发步骤

10-15-2BP网络-手写数字识别

10-15-3数据模型

10-15-4决策树

10-15-5决策树-例子

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

10-21-1走近关联规则

10-21-2关联规则相关概念

10-21-3Apriori算法

10-21-4Python实现Apriori关联规则算法

10-22-1协同过滤

10-22-2基于用户的协同过滤

10-22-3基于物品的协同过滤算法

10-22-4CF-surprise

Python算法 补发

多元线性回归

标准方程法求解回归参数

.正则化代价函数.

逻辑回归.

Python实现逻辑回

Python案例

10-24-1决策树的基本应用

10-24-2分裂准则-最小方差

10-24-3案例介绍

10-24-4JLZHANG案例

10-25-1基本概念

10-25-2ARMA模型

10-25-3制作 ACF.PACF

10-25-4模型预测

10-25-5模型拟合

10-26-1个性化推荐应用案例

10-26-2相似性推荐和协同过滤

10-26-3基于矩阵分解

10-26-4案例实际应用

10-26-5代码演示

10-27-1智能选股策略设计

10-27-2线性分割

10-27-3最优超平面

10-27-4最优函数选择

10-27-5最优函数选择2

10-28-1逾期风险识别

10-28-2神经网络原理介绍

10-28-3P2P网贷的逾期风险识别的R语言实现

10-28-4代码Untitled

10-28-5变量的初始化设置

文本挖掘 推荐系统

10-30-1文本分析的应用

10-30-2基于最大正向匹配的分词

10-30-3中文分词

10-30-4分词的清洗

10-30-5词云绘制

10-31-1文本分析应用场景

10-31-2LDA主题模型

10-31-3分类算法

10-31-4词向量

10-31-5文本挖掘Day2其他

11-1-1推荐系统

11-1-2通过计算相似度

11-1-3计算每一个用户与target-user的相似度

11-1-4预测得分

11-1-5ltemCF相似度计算

11-2-1基于内容的推荐系统

11-2-2基于内容的推荐系统2

11-2-3计算相似度

11-2-4构建SVD模型

11-2-5案例

11-4-1电商案例之营销推荐

11-4-2电商案例说明

11-4-3基于聚类的营销推荐

11-4-4基于聚类的营销推荐2

11-4-5基于聚类的营销推荐3

11-5-1基于聚类的营销推荐4

11-5-2基于聚类的营销推荐5

11-5-3基于用户物品进行营销推荐

11-5-4基于用户物品进行营销推荐2

11-5-5基于用户物品进行营销推荐3

SQL集训

11-8-1SQL基础知识

11-8-2数值类型

11-8-3NULL的特殊性

11-8-4多表查询

11-8-5面试题集

面试技巧

11-18-1简历制作

11-18-2面试礼仪

11-18-3接面试通知

11-18-4面试围绕重点

11-18-5面试后注意事项

毕业答辩

1组

2组

3组

4组

5组

6组