一、Excel

9-27-1 Excel基础知识和选择性粘贴

9-27-2 审阅、视图、数据验证和组合键

9-27-3 导入数据和自定义数据格式

9-27-4 数据规范和清洗

9-28-1 Excel公式

9-28-2 Excel常用函数

9-28-3 Excel数组

9-29-1 基本函数

9-29-2 高级函数

9-29-3 图表、数据透视表

9-30-1 Excel案例实验-1p

9-30-2 Excel案例实验-2p

9-30-3 初始学习BI

9-30-4 Power View数据可视化

10-9-1 Power Query合并查询

10-9-2 Power Query M函数

10-9-3 Power Pivot DAX函数

10-9-4 Power View

二、MySQL

10-15-1 数据库基本介绍

10-15-2 数据表、数据类型、约束

10-15-3 插入&导入&修改数据

10-15-4 查询&聚合

10-15-5 连接查询、操作符、聚合函数

10-16-1 逻辑操作符&子查询、常用函数

10-16-2 更新数据操作、彩票查询案例-1

10-16-3 彩票查询案例-2

10-16-4 电商查询案例-1

10-17-1 电商查询案例-2

10-17-2 电商查询案例-3

10-17-3 电商查询案例-4

10-28-1 数据分析方法

10-28-2 图表应用

10-28-3 基本分析方法

10-28-4 .基本分析方法

10-29-1 小组分享

10-29-2 分析仪制作方法

10-29-3 餐饮分析仪制作

10-29-4 餐饮分析仪制作

三、统计

10-19-1 数据分析、数据挖掘相关概念解析

10-19-2 常用函数、函数的极限、微积分

10-19-3 常见函数的导数

10-19-4 偏导数、洛必达法则、 凹凸函数判定

10-19-5 泰勒中值定理

10-20-1 级数

10-20-2 泰勒公式、线性代数

10-20-3 矩阵运算、数据的收集、抽样

10-20-4 多种抽样、调查方式、数据误差

10-20-5 集中趋势的几种描述

10-21-1 标准分、切比雪夫不等式、离散系数

10-21-2 偏态、峰态、统计量、几种分布

10-21-3 T分布、F分布、中心极限定理、样本比例的抽样分布

10-21-4 参数估计、区间估计

10-21-5 总计均值的区间估计、两个总体间的参数估计

10-22-1 假设检验

10-22-2 利用P值决策

10-22-3 一个总体比例的检验

10-22-4 T检验

10-22-5 方差分析

10-22-6 相关关系强度的度量

10-22-7 练习

四、SPSS

11-5-1 综合绩效案例讲解-数据分析全过程

11-5-2 spss软件综合特征

11-5-3 访问数据源-本地和数据库文件访问

11-5-4 样本量的确定

11-5-5 问卷设计

11-6-1 案例1、员工绩效管理-一般线性模型

11-6-2 线性回归的5个步骤

11-6-3 回归模型对y的探讨

11-6-4 回归模型解释

11-7-1 回归案例-商品材质

11-7-2 回归案例-商品材质2

11-7-3 logistics回归

11-7-4 案例2 ：信用行为特征分类-logistics模型

11-8-1 关于x的问题

11-8-2 案例3：降维在消费行为中的应用

11-8-3 主成分分析2

11-8-4 案例4：用户行为画像-聚类分析

11-8-5 用户行为画像2

11-9-1 案例5：客户价值评分-RFM分析

11-9-2 RFM分析

11-9-3 案例6：购买行为组合与预测-联合分析

11-9-4 数据分析流程总结

五、Python

10-8-1 python 及开发环境介绍

10-8-2 python语言基础语法介绍

10-8-3 python编码、关键字、注释、代码块

10-8-4 数字类型及其计算

10-8-5 字符串及其方法

10-10-1 字符串的格式化

10-10-2 条件控制语句

10-10-3 条件控制练习、while循环语句

10-10-4 for 循环

10-10-5 continue、break

10-11-1 前两天课程回顾

10-11-2 作业讲解

10-11-3 列表

10-11-4 元组、字典

10-11-5 集合

10-12-1 四种数据结构用法总结

10-12-2 作业讲解、文件读写操作

10-12-3 常用内置函数、函数定义

10-12-4 函数参数种类、模块

10-25-1 numpy介绍、ndarray创建方式

10-25-2 random、数组操作

10-25-3 数组的切片和索引

10-25-4 数组的变形和拼接

10-25-5 numpy的高级函数

10-26-1 numpy的广播

10-26-2 numpy运算操作、常用函数、排序

10-26-3 numpy数组排序、Series

10-26-4 Dataframe创建、索引、切片

10-27-1 pandas描述性统计

10-27-2 pandas的排序

10-27-3 pandas map、apply、applymap方法

10-27-4 修改、合并dataframe

10-27-5 练习

11-1-1 网页结构介绍

11-1-2 网页结构、http介绍

11-1-3 http访问过程

11-1-4 利用urllib/requests模块请求网页、正则表达式

11-1-5 解析json数据

11-2-1 爬虫知识回顾

11-2-2 使用header解决反爬虫问题

11-2-3 用API获取数据

11-2-4 抓取中国旅游网数据bs4

11-2-5 模拟浏览器抓取数据

11-10-1 机器学习及人工智能介绍

11-10-2 机器学习\人工智能的运用

11-10-3 回归算法原理介绍

11-10-4 回归算法计算过程

11-10-5 回归Python代码实现、python面向对象编程

11-14-1 Python实现梯度下降求多元线性回归模型

11-14-2 scikit-learn实现多元线性回归模型计算

11-14-3 Python实现标准方程求多元线性回归模型

11-14-4 numpy的矩阵运算、标准方程的求解

11-14-5 领回归、交叉验证、LASSO

11-17-1 KNN算法原理

11-17-2 python实现简单的KNN

11-17-3 python实现的KNN处理iris数据

11-17-4 scikit-learn的KNN算法分类iris数据/决策树介绍

11-17-5 决策树算法介绍/scikit-learn的决策树例子

11-17-6 决策树案例

11-18-1 逻辑回归

11-18-2 梯度下降法-逻辑回归

11-18-3 集成学习

11-18-4 随机森林1

11-18-5 随机森林2

11-19-1 聚类算法

11-19-2 kmeans-python实现

11-19-3 kmeans算法

11-20-1 贝叶斯

11-20-2 贝叶斯简单实例

11-20-3 贝叶斯1-评论分类

11-20-4 贝叶斯模型

11-20-5 贝叶斯-拼写检查器

11-21-1 神经网络

11-21-2 神经网络-单层感知器程序1

11-21-3 神经网络-单层感知器程序2

11-21-4 线性神经网络分类

11-21-5 线性神经网络2

11-22-1 损失函数

11-22-2 SVM理论基础（一）

11-22-3 SVM理论基础（二）

11-22-4 SVM的代码实现（一）

11-23-1 关联规则基础

11-23-2 代码实现（一）

11-23-3 Apriori算法基础

11-23-4 Apriori算法代码实现

11-23-5 padans回顾

11-25-1 协同过滤基础（一）

11-25-2 基于物品的协同过滤（一）

11-25-3 基于物品的协同过滤（二）

11-25-4 机器学习回归1

11-25-5 机器学习回归2

11-27-1 决策树基本介绍

11-27-2 案例数据分析和orange3的使用

11-27-3 决策树原理

11-27-4 决策树的案例代码1

11-27-5 决策树的案例代码2

11-28-1 推荐系统基本概念

11-28-2 推荐系统的2种算法

11-28-3 推荐系统案例实战（一）

11-28-4 推荐系统案例实战（二）

11-28-5 推荐系统案例实战（三）

11-29-1 时间序列基础（一）

11-29-2 时间序列基础（二）

11-29-3 时间序列代码实现（一）

11-29-4 时间序列代码实现（二）

六、R

11-30-1 R语言简介

11-30-2 Rstudio使用

11-30-3 R基础（一）

11-30-4 R基础练习

11-30-5 R基础（二）

12-3-1 读写数据

12-3-2 子集

12-3-3 向量运算、构造（一）

12-3-4 向量运算、构造（二）

12-3-5 向量运算、构造（三）

12-4-1 创建随机数

12-4-2 R中的日期和时间

12-4-3 字符处理函数1

12-4-4 字符处理函数2

12-4-5 字符处理函数3

12-5-1 控制结构

12-5-2 函数、循环函数

12-5-3 循环函数1

12-5-4 循环函数2

12-5-5 匹配数据

12-6-1 常见数据清理

12-6-2 探索性数据分析

12-6-3 R绘图

12-6-4 R绘图系统1

12-6-5 R绘图系统2

12-6-6 基础绘图函数

12-7-1 基本的统计学概念1

12-7-2 基本的统计学概念2

12-7-3 假设检验

12-7-4 相关性分析

12-7-5 方差分析

12-10-1 二分类模型评估

12-10-2 常用指标

12-10-3 AUC面积

12-10-4 R操作

12-10-5 电影票房影响因素分析

12-11-1 信用风险评分卡

12-11-2 建模流程

12-11-3 建模流程和统计量2

12-11-4 建模流程和统计量3

12-11-5 生成评分模型

12-14-1

12-14-2

12-14-3

七、文本分析

12-17-1

12-17-2

12-17-3

12-17-4

12-18-1

12-18-2

12-18-3

12-18-4

12-19-1

12-19-2

12-19-3

12-19-4

12-20-1

12-20-2

12-20-3

12-20-4

八、数据分析在互联网金融中的应用

12-22-1

12-22-2

12-22-3

12-22-4

12-22-5

12-23-1

12-23-2

12-23-3

12-23-4

12-23-5

12-24-1

12-24-2

12-24-3

12-28-1

12-28-2

12-28-3

12-28-4

12-29-1

12-29-2

12-29-3

12-29-4

九、文本挖掘.推荐系统（补）

10-15-1 文本分析简介

10-15-2 中文分词

10-15-3 词云图

10-15-4 词向量1

10-15-5 词向量2

10-16-1 word2vec

10-16-2 主题模型

10-16-3 文档相似度

10-16-4 文本分类

10-16-5 情感分析

10-17-1 推荐系统概述

10-17-2 基于用户的协同过滤1

10-17-3 基于用户的协同过滤2

10-17-4 基于物品的协同过滤

10-17-5 surprise库的使用

10-18-1 推荐系统的评估

10-18-2 基于内容的推荐系统

10-18-3 矩阵分解与隐语义模型

10-18-4 基于聚类的推荐1

10-18-5 基于聚类的推荐2

十、面试技巧

1-2-1

1-2-2

1-2-3

十一、毕业答辩

1-4-1

1-4-2

1-4-3

1-4-4

1-4-5

1-4-6