一、Excel

12-10-1 Excel基础知识

12-10-2 Excel基本技巧

12-10-3 数据导入和规范处理

12-10-4 数据收集与清洗

12-11-1 公式

12-11-2 常用逻辑函数

12-11-3 常用日期、文本、统计函数

12-11-4 数组

12-12-1 高级函数1

12-12-2 高级函数2

12-12-3 基本图表

12-12-4 数据透视表1

12-12-5 数据透视表2

12-13-1 数据透视图

12-13-2 交互式界面和组合框动态制作

12-13-3 宏和Power BI

12-13-4 Power BI Desktop

12-14-1 Power Query1

12-14-2 Power Query2

12-14-3 Power Pivot

12-14-4 Power View

12-14-5 趋势分析透视表透视图

二、MySQL

12-17-1 数据库基本介绍

12-17-2 数据类型&约束

12-17-3 创建数据表

12-17-4 插入&导入&修改数据

12-17-5 基本查询语法

12-18-1 连接查询

12-18-2 操作符&子查询

12-18-3 彩票案例单表查询1

12-18-4 彩票案例单表查询2

12-19-1 电商案例多表查询1

12-19-2 电商案例多表查询2

12-19-3 电商数据处理概述

12-19-4 电商数据预处理

12-20-1 电商数据业务分析

12-20-2 基本图表用法

12-20-3 分析方法论1

12-20-4 分析方法论2

12-21-1 汽车配件综合案例1

12-21-2 汽车配件综合案例2

12-21-3 餐饮业销售分析仪1

12-21-4 餐饮业销售分析仪2

三、统计

12-24-1 数学概况

12-24-2 数据类型

12-24-3 向量

12-24-4 矩阵

12-24-5 奇异值分解

12-25-1 函数

12-25-2 极限

12-25-3 导数

12-25-4 偏导数

12-25-5 导数与极值的应用

12-26-1 定积分

12-26-2 数据的概括性度量

12-26-3 统计量及抽样分布1

12-26-4 统计量及抽样分布2

12-26-5 参数估计

12-27-1 假设检验

12-27-2 相关分析

12-27-3 回归分析

12-27-4 模型评估

12-27-5 线性回归建模流程

四、Python基础（补）

7-11-1.课程介绍、python简介、环境安装

7-11-2.程序结构、语法规范、标识符保留字、变量、输入输出

7-11-3.数据类型

7-11-4.字符串方法

7-11-5.运算符，控制语句

7-12-1.课后作业讲解

7-12-2.列表

7-12-3.列表推导式

7-12-4.元组和集合

7-12-5.字典

7-12-6.自定义函数

7-13-1.课后作业讲解

7-13-2.面向对象

7-13-3.库和模块

7-13-4.数据库操作

7-13-5.文件

五、Python数据清洗（补1月15.16号）

11-18-1

11-18-2

11-18-3

11-18-4

11-19-1

11-19-2

11-19-3

11-19-4

11-20-1

11-20-2

11-20-3

11-20-4

11-20-5

11-24-1

11-24-2

11-24-3

11-24-4

11-24-5

六、Python

12-28-1 Python简介

12-28-2 数据类型

12-28-3

12-28-4 运算符

12-29-1 数学函数

12-29-2 文本函数

12-29-3 组合数据类型

12-29-4 循环语句

1-4-1 文件的操作

1-4-2 迭代器

1-4-3 生成器

1-4-4 异常处理1

1-4-5 异常处理2

1-7-1 数据分析流程

1-7-2 SPSS软件综合特征

1-7-3 数据的描述、统计指标

1-7-4 访问数据源

1-7-5 统计量与图形

1-8-1 员工绩效管理

1-8-2 相关性分析

1-8-3 线性回归分析

1-8-4 相关系数

1-8-5 残差分析

1-9-1 逻辑回归

1-9-2 基于逻辑回归的个人信贷案例（一）

1-9-3 基于逻辑回归的个人信贷案例（二）

1-9-4基于逻辑回归的个人信贷案例（三）

1-9-5 基于逻辑回归的个人信贷案例（四）

1-10-1 用户购买行为分析

1-10-2 主成分分析

1-10-3 主成分得分

1-10-4 基于聚类的用户画像案例

1-10-5 聚类结果解读

1-11-1 客户价值评分

1-11-2 客户价值分析

1-11-3 购买行为组合分析

1-11-4 联合分析

1-11-5 模型选择与预测方法

1-14-1 Numpy基本概念和数组

1-14-2 数组的数据类型

1-14-3 数组的方法

1-14-4 数组的运算

1-14-5 Numpy数据的保存和读取

1-15-1 Numpy统计分析、Matplotlib绘图

1-15-3 Matplotlib常用图形

1-15-4 Matplotlib案例

1-15-5 Pandas数据结构

1-16-1 Series创建及方法

1-16-3 DataFrame创建及方法

1-16-4 Pandas数据处理1

1-16-5 Pandas数据处理2

1-17-1 时间序列分析

1-17-2 Pandas分组运算

1-17-3 Pandas案例：菜品价格分析

1-17-4 Pandas聊天记录分析

1-17-5 网页和爬虫基本原理

1-21-1 正则表达式

1-21-2 urllib库

1-21-3 requests库1

1-21-4 requests库2

1-21-5 Beautiful Soup库

1-22-1 Selenium库

1-22-2 机器学习概述

1-22-3 模型分类及评估指标

1-22-4 线性回归

1-22-5 梯度下降

1-23-1 线性回归小批量梯度下降及牛顿法

1-23-2 岭回归

1-23-3 lasso回归

1-23-4 逻辑回归

1-23-5 梯度上升

1-24-1 KNN

1-24-2 KNN算法代码实现

1-24-3 KNN的scikit-learn实现

1-24-4 决策树计算信息增益

1-24-5 CART分类树

1-25-1 CART回归树

1-25-2 集成学习

1-25-3 AdaBoost

1-25-4 Random Forest

1-25-5 泰坦尼克案例分析

1-28-1 数据分析应用场景

1-28-2 推荐系统简介

1-28-3 基于用户的协同过滤

1-28-4 基于物品的协同过滤

1-28-5 时间序列概念

1-29-1 时间序列分类

1-29-2 时间序列模型

1-29-3 Box-Jenkins建模流程

1-29-4 聚类

1-30-1 常用聚类算法介绍

1-30-2 聚类算法的Python实现

1-30-3 神经网络简介

1-30-4 神经网络模型

1-30-5 神经网络算法的Python实现

2-16-1 支持向量机简介

2-16-2 线性SVM

2-16-3 SMO算法

2-16-4 非线性SVM

2-16-5 支持向量机的Python实现1

2-17-1 支持向量机的Python实现2

2-17-2 贝叶斯理论

2-17-3 朴素贝叶斯

2-17-4 三种模型

2-17-5 贝叶斯优缺点

2-18-1 贝叶斯拼写检查器

2-18-2 关联规则简介

2-18-3 Apriori算法

2-18-4 Apriori算法的Python实现1

2-18-5 Apriori算法的Python实现2

2-19-1 神经元感知器

2-19-2 tensorflow神经网络实现

2-19-3 DBSCAN简介

2-19-4 基于用户的协同过滤

2-19-5 各类算法总结

2-20-1 决策树基本介绍

2-20-2 决策树原理介绍

2-20-3 决策树应用基础

2-20-4 决策树案例实现1

2-20-5 决策树案例实现2

2-20-6 随机森林简介

2-22-1 个性化推荐基础

2-22-2 基于购物篮分析与关联规则推荐

2-22-3 协同过滤推荐

2-22-4 LFM隐语义模型推荐

2-22-5 推荐指标

七、中期交流

2-23-1

2-23-2

2-23-3

2-23-4

2-23-5

2-23-6

2-23-7

2-23-8

2-23-9

2-23-10

2-23-11

八、R

2-25-1 R语言简介

2-25-2 R数据类型

2-25-3 R数据对象1

2-25-4 R数据对象2

2-26-1 读写数据

2-26-2 取子集1

2-26-3 取子集2

2-26-4 缺失值处理方法

2-26-5 常用运算函数

2-27-1 创建随机数函数

2-27-2 日期和时间函数

2-27-3 字符处理函数1

2-27-4 字符处理函数2

2-27-5 控制结构

2-28-1 自定义函数

2-28-2 循环函数1

2-28-3 循环函数2

2-28-4 常见数据清洗方法

2-28-5 常用文件读取方法

3-1-1 常用图表绘制

3-1-2 绘图练习

3-1-3 基础绘图系统1

3-1-4 基础绘图系统2

3-4-1 统计量和中心极限定理

3-4-2 置信区间和假设检验

3-4-3 相关分析

3-4-4 方差分析

3-4-5 卡方检验

3-5-1 各类算法总结

3-5-2 模型评估指标1

3-5-3 模型评估指标2

3-5-4 模型评估指标3

3-5-5 案例简介

3-6-1 评分卡案例背景

3-6-2 建模流程

3-6-3 WOE和IV值计算

3-6-4 评分卡的R实现

3-7-1 建模流程

3-7-2 逻辑回归基本原理

3-7-3 相关指标计算

3-7-4 逻辑回归案例的R实现1

3-7-5 逻辑回归案例的R实现2

3-8-1 线性回归基本原理

3-8-2 相关指标计算

3-8-3 线性回归案例的R实现1

3-8-4 线性回归案例的R实现2

3-8-5 两阶段模型的实现

3-11-1 客户分群的商业应用

3-11-2 K-means聚类

3-11-3 分层聚类

3-11-4 客户分群案例背景

3-11-5 客户分群案例代码实现1

3-11-6 客户分群案例R实现2

3-12-1 时间序列分析简介

3-12-2 Box-Jenkins建模流程

3-12-3 时间序列案例Python实现1

3-12-4 时间序列案例Python实现2

3-13-1 从规则到统计

3-13-2 统计语言模型

3-13-3 词向量

3-13-4 中文分词

3-13-5 中文分词的Python实现

3-14-1 分类算法

3-14-2 文本分类

3-14-3 文本聚类

3-14-4 主题模型

3-14-5 情感分析

3-16-1 互联网金融行业应用1

3-16-2 互联网金融行业应用2

3-16-3 互联网金融行业应用3

3-16-4 互联网金融行业应用4

3-16-5 互联网金融行业应用5

3-17-1 人工智能行业应用1

3-17-2 人工智能行业应用2

3-17-3 互联网行业应用1

3-17-4 互联网行业应用2

3-17-5 互联网行业应用3

3-18-1 推荐系统行业应用

3-18-2 推荐系统基本原理

3-18-3 基于用户的协同过滤

3-18-4 基于物品的协同过滤

3-18-5 基于近邻协同过滤的Python实现

3-19-1 基于内容的推荐

3-19-2 文本向量化

3-19-3 基于矩阵分解的推荐

3-19-4 基于深度学习的推荐

3-19-5 推荐系统架构

3-20-1 SQL集训1

3-20-2 SQL集训2

3-20-3 SQL集训3

3-20-4 SQL集训4

3-20-5 SQL集训5

九、就业指导

3-21-1

3-21-2

3-21-3

3-21-4

十、毕业答辩

3-30-1

3-30-2

3-30-3

3-30-4

3-30-5

十一、Tableau数据可视化（补57）

4-22-1 Tableau介绍

4-22-2 数据连接、表连接

4-22-3 排序、层级结构、组、表计算

4-22-4 集、筛选器

4-22-5 参数、参考线、预测

4-23-1 函数

4-23-2 条形图、直方图、饼图、环形图

4-23-3 凸显表、热力图、树状图、气泡图、箱线图、词云图、组合图等

4-23-4 帕累托图、符号地图等

4-23-5 案例

十二、商业智能分析

8-24-1 数据仓库应用方法

8-24-2 数据仓库应用方法

8-24-3 数据仓库应用方法

8-24-4 数据仓库应用方法

8-24-5 数据仓库应用方法

8-24-6 数据仓库应用方法

8-24-7 数据仓库应用方法

8-25-1 数据建模及汇总规则

8-25-2 数据建模及汇总规则

8-25-3 数据建模及汇总规则

8-25-4 数据建模及汇总规则

8-26-1 初级综合应用案例

8-26-2 初级综合应用案例

8-26-3 初级综合应用案例

8-26-4 初级综合应用案例

8-27-1 客户行为分析案例、快消行业分析案例

8-27-2 客户行为分析案例、快消行业分析案例

8-27-3 客户行为分析案例、快消行业分析案例

8-27-4 客户行为分析案例、快消行业分析案例

8-27-5 客户行为分析案例、快消行业分析案例

8-28-1 电商互联网流量分析案例、进销存分析案例

8-28-2 电商互联网流量分析案例、进销存分析案例

8-28-3 电商互联网流量分析案例、进销存分析案例

8-28-4 电商互联网流量分析案例、进销存分析案例

8-28-5 电商互联网流量分析案例、进销存分析案例

8-31-1 市场数据分析应用案例

8-31-2 市场数据分析应用案例

8-31-3 市场数据分析应用案例

9-1-1 商业智能拓展综合实战案例

9-1-2 商业智能拓展综合实战案例