一、Excel

8-20-1.大数据概述、excel基本认识

8-20-2.导入数据、修改格式

8-20-3.定位条件、选择性粘贴的使用

8-20-4.基本公式

8-21-1.常用函数（一）

8-21-2.常用函数（二）

8-21-3.excell数组

8-21-4.查找引用函数

8-22-1.基本图表

8-22-2.其他图表（一）

8-22-3.其他图表（二）

8-22-4.数据透视表（一）

8-23-1.杜邦分析仪

8-23-2.PowerBI简介、PowerMap学习

8-23-3.PowerView

8-23-4.PowerQuery

8-23-5.M函数联系

8-24-1.PowerQuery合并、查询、PowerPivot应用

8-24-2.DAX表达式PowerPivot练习

二、MySQL

8-27-1.数据库概述、数据库创建、数据类型

8-27-2.约束条件、创建数据表

8-27-3.检查、修改数据表

8-27-4.查询、连接数据表

8-28-1.常用函数、数据表增删改

8-28-2.单表查询练习

8-28-3.多表查询练习（一）

8-28-4.多表查询练习（二）

8-29-1.电商数据处理案例之认识表结构信息

8-29-2.电商数据处理案例之建表、解决问题

8-29-3.电商数据处理案例之处理问题

8-30-1.制作数据分析仪

8-30-2.Power Query、Power Pivot处理数据

8-30-3.分析方法论

8-30-4.基本分析方法讲解

8-30-5.分析法与销售管理分析

8-31-1.学生案例展示

8-31-2.案例梳理讲解

三、Python

9-3-1.Python概述

9-3-2.Python入门

9-3-3.turtle包的学习

9-3-4.Python数据类型的认识

9-3-5.str字符串的认识

9-4-1.list列表的学习

9-4-2.list的使用

9-4-3.tuple元组的使用

9-4-4.字典的学习

9-4-5.集合的学习、分词

9-5-1.条件表达式、分支结构

9-5-2.选择结构应用，循环结构

9-5-3.死循环、异常处理机制

9-5-4.函数的定义

9-5-5.return语句、lambda表达式

9-6-1.函数的调用

9-6-2.递归、模块化编程

9-6-3.面向过程与面向对象、类

9-6-4.类

9-6-5.外部文件的操作

9-7-1.json、xlsx文件操作

9-7-2.爬虫基础介绍

9-7-3.爬虫基础之网页了解

9-7-4.网页基础、爬虫基本原理

9-7-5.正则表达式

9-8-1.urllib的使用

9-8-2.获取淘宝网页数据

9-8-3.requests的使用、爬取链家

9-8-4.获取豆瓣网页

9-9-1.Beautifulsoup的使用

9-9-2.获取天气数据

9-9-3.selenium

9-9-4.爬取动态页面数据

9-9-5.爬虫总结

9-11-1.数学概述

9-11-2.向量

9-11-3.矩阵运算

9-11-4.矩阵的秩

9-11-5.函数

9-12-1.极限

9-12-2.微分

9-12-3.导数

9-12-4.偏导数

9-12-5.微分和导数的应用

9-13-1.定积分

9-13-2.数据的概括性度量

9-13-3.标准分数、离散系数、偏态和峰态

9-13-4.抽样分布

9-13-5.区间估计

9-14-1.一个总体参数的区间估计

9-14-2.相关分析

9-14-3.假设检验、一元线性回归

9-14-4.多元线性回归

9-14-5.异方差检测

9-14-6.建立线性回归步骤总结

四、SPSS

9-17-1 课程介绍及数据准备

9-17-2 数据类型的认识

9-17-3 数据准备、数据源

9-17-4 单样本T检验，变量的选择

9-18-1 独立样本T检验

9-18-2 线性回归与方差

9-18-3 线性回归与相关

9-18-4 一元线性回归

9-18-5 模型检验

9-19-1 数据分析流程

9-19-2 显著性检验

9-19-3 残差分析

9-19-4 回归模型的使用

9-19-5 数据分析流程展示、最小二乘估计

9-20-1 logistic变换

9-20-2 logistic输出

9-20-3 logistic模型

9-20-4 老样本的预测

9-20-5 评分与预测

9-21-1 逻辑回归分析流程

9-21-2 工具变量、哑变量处理

9-21-3 共线性诊断、岭回归

9-21-4 变量筛选

9-21-5

五、Python

9-25-1 python基础回顾

9-25-2 numpy数组的创建

9-25-3 创建随机数、判断数据类型

9-25-4 数组的运算

9-25-5 数组索引、切片、四则运算

9-26-1 矩阵的创建、文件处理

9-26-2 对iris数据集做统计分析、用梯形法求积分

9-26-3 随机漫步、matplotlib绘图

9-26-4 绘图步骤细节讲解

9-26-5 基本统计图的绘制

9-27-1 知识回顾练习

9-27-2 pyecharts讲解

9-27-3 数据结构的认识

9-27-4 数据库的连接

9-27-5 dataFrame数据的创建与写入

9-28-1 df数据类型的运用算法

9-28-2 df中的函数与方法

9-28-3 清洗数据

9-28-4 整理数据

9-28-5 水果案例讲解、数据合并

9-29-1 作业讲解

9-29-2 object数据结构介绍、绘图补充内容

9-29-3 案例：qq聊天记录挖掘

9-29-4 案例：分析NBA的knicks队的比赛数据

9-29-5 案例：泰坦尼克号

10-9-1 机器学习基础

10-9-2 训练数据、验证数据、测试数据

10-9-3 回归分析 一元回归

10-9-4 梯度下降

10-9-5 算法实现

10-10-1 梯度下降法实现多元线性回归

10-10-2 多项式回归

10-10-3 标准方程法

10-10-4 LASSO、逻辑回归

10-10-5 算法实现

10-11-1 聚类算法

10-11-2 聚类-kmeans

10-11-3 聚类-kmeans

10-11-4 聚类-kmeans

10-11-5 DBSCAN算法

10-12-1 朴素贝叶斯

10-12-2 贝叶斯拼写检查器

10-12-3 最近邻规则分类KNN

10-12-4 KNN -iris练习、手写数字识别

10-12-5 sklearn的应用

10-13-1 关联规则的基本原理

10-13-2 关联规则的规则产生

10-13-3 Apriori算法

10-13-4 FP-growth算法

10-13-5 协同过滤算法

10-13-6 协同过滤算法实现

10-14-1 SVM涉及的基本概念-Lagrange

10-14-2 SVM算法原理

10-14-3 深度学习、单层感知机

10-14-4 人工神经网络

10-17-1 统计学思想建立

10-17-2 python编程基础回顾

10-17-3 用编程解决问题、决策树介绍

10-17-4 决策树代码实现

10-17-5 决策树代码实现

10-18-1 决策树代码实现

10-18-2 决策树的绘制

10-18-3 足球队结果预测

10-18-4 足球队结果预测

10-18-5 随机森林

10-23-1 电商业务分析

10-23-2 分析流程

10-23-3 数据解读

10-23-4 数据预处理

10-23-5 数据预处理、聚类

10-24-1 最优K值的选取

10-24-2 实现推荐

10-24-3 基于近邻的推荐

10-24-4 基于近邻的推荐

10-24-5 推荐

10-29-1 零售案例背景分享

10-29-2 购买行为分析

10-29-3 推荐方法

10-29-4 购买倾向模型

10-29-5 模型建立

10-30-1 模型结果验证

10-30-2 输出模型规则打分

10-30-3 营销活动效果分析

10-30-4 内部验证

10-30-5 报告分析、经验分享

11-4-1

11-4-2

11-4-3

11-4-4

11-4-5

11-5-1

11-5-2

11-5-3

11-5-4

11-5-5

11-10-1

11-10-2

11-10-3

11-10-4

11-10-5

11-11-1

11-11-2

11-11-3

11-11-4

六、就业指导

11-12-1

11-12-2

11-12-3

11-12-4

11-12-5