课程介绍：

本课程专注于培养数据分析师的数据处理能力、数据分析能力和数据挖掘能力，课程内容从数据库管理、统计理论方法、数据分析主流软件的应用（包括SQL、Excel、SPSS、 Modeler、R、python等）到数据挖掘算法等，对一整套数据分析流程技术进行系统讲解，学完之后，学习者可以直接达到中级数据分析师的水平。
课程项目涵盖教育、零售、制造、物联网等多个主流行业，涉及业务指标400+，支撑技术点 200+。以业务驱动项目开发，轻松应对复杂业务场景开发。

程目录：

第10章python入门及基础分析
第1节概述与基本操作
1.课程与开发环境简介【】.mp480.21M
2.帮助文档的获取&基础操作【】.mp4233.12M
3.基础操作：整数、小数、复数&列表、字符串、字典【】.mp4120.83M
4.自定义函数【】.mp4119.88M
5.Jupyte常用快捷键以及自动补全功能的实现r【】.mp459.68M
6.本节小结【】.mp49.36M
第2节Numpy
1.从头创建一个数组【】.mp4229.17M
2.案例实践——如何实现99乘法表和老虎机【】.mp4113.51M
3.数组的操作【】.mp4140.81M
4.数组的计算【】.mp482.27M
5.数组的广播【】.mp4173.75M
6.比较、掩码和布尔逻辑【】.mp4113.62M
第3节Pandas
1.序列和数据库【】.mp497.49M
10.本节小结【】.mp411.00M
2.索引和切片【】.mp4105.54M
3.通过索引运算和生成新的列【】.mp444.28M
4.文件的读取和写入【】.mp465.34M
5.缺失值处理【】.mp4106.17M
6.数据连接【】.mp4146.06M
7.分组和聚合【】.mp492.31M
8.数据透视表【】.mp4125.17M
9.字符串的处理【】.mp446.98M
第4节Matplotlib与python作图
1.基础作图——折线图和散点图【】.mp4194.72M
2.基础作图——直方图和饼图【】.mp497.31M
3.子图和图例【】.mp493.82M
4.图标设置——标签，表格样式和cmap【】.mp4206.03M
5.高级作图【】.mp4171.01M
6.本节小结【】.mp42.47M
第5节Sklearn与机器学习基础
1.线性回归【】.mp4109.61M
10.支持向量机——核函数【】.mp4144.52M
11.支持向量机是如何防止过拟合的【】.mp496.29M
12.如何使用Python实现PCA降维算法【】.mp4227.79M
13.如何使用Python实现Kmeans聚类【】.mp482.86M
14.本节小结【】.mp430.34M
2.逻辑回归的原理、模型实现与正则化【】.mp4222.63M
3.逻辑回归的评估以及最优迭代次数【】.mp4204.19M
4.贝叶斯分类器的实现过程【】.mp466.48M
5.朴素贝叶斯算法案例——手写数字识别【】.mp444.47M
6.数据预处理【】.mp4307.24M
7.决策树和随机森林——熵和决策树【】.mp486.67M
8.决策树和随机森林算法对比【】.mp4100.04M
9.随机森林的调参【】.mp4222.12M
课后练习
课后练习【】.txt0.40kb
第11章课程总结图谱
课程总结【】.mp494.43M
第1章数据分析师的职业概览
01.数据分析师的“钱景”如何【】[3].mp46.73M 02.什么人适合数据分析【】[3].mp412.88M
03.数据分析师的临界知识【】[3].mp429.00M 04.数据分析师的主要职责【】[3].mp420.53M
第2章数据分析和数据挖掘的概念和理念
第1节基础概念
01.数据分析及数据挖掘定义【】.mp4129.84M
02.数据分析与数据挖掘的层次【】.mp463.23M
03.数据分析及数据挖掘三要素【】.mp4227.60M
04.本节小结【】.mp441.26M
第2节探索性数据分析
01.如何描述业务量数据【】.mp4204.77M
02.可视化展示的原则【】.mp419.76M
03.本节小结【】.mp426.48M
第3节预测和分类
01.预测和分类的概念模型、流程【】.mp486.96M
02.分类和预测：线性回归【】.mp4135.27M
03.逻辑回归【】.mp4223.56M
04.决策树算法【】.mp4123.97M
05.支持向量机【】.mp4105.02M
06.朴素贝叶斯【】.mp488.09M
07.本节小结【】.mp425.67M
第4节分群和降维
01.聚类算法的基本概念【】.mp4100.03M
02.层次聚类【】.mp487.75M
03.K-means聚类【】.mp474.07M
04.降维模型-PCA【】.mp461.39M
05.本节小结【】.mp42.09M
第3章统计学基础和SPSS软件应用
第1节描述性统计描述
01.统计分析的目的【】.mp439.55M
02.统计分析的关键概念【】.mp417.87M
03.四种测量尺度【】.mp4151.19M
04.集中趋势-均值【】.mp458.37M
05.集中趋势-中位数和众数【】.mp436.09M
06.离散趋势-极差和方差【】.mp4132.17M
07.案例操作-如何实现离中趋势和集中趋势【】.mp4137.74M
08.本节小结【】.mp47.17M
第2节假设检验_统计判断
01.统计学本质【】.mp439.38M
02.统计学两大定理【】.mp446.25M
03.统计判断-抽样误差与标准误差【】.mp461.21M
04.统计推断-t分布【】.mp485.45M
05.统计推断-参数估计【】.mp472.04M
06.统计推断-假设检验【】.mp4127.01M
07.本节小结【】.mp420.65M
第3节抽样方法
01.统计过程【】.mp48.54M
02.抽样的概念【】.mp46.76M
03.抽样方法与非抽样方法【】.mp493.74M
04.抽样调查与普查的特点【】.mp439.46M
05.非抽样调查【】.mp467.05M
06.非抽样调查的三种类型【】.mp4236.90M
07.无回答误差的处理【】.mp415.60M
08.抽样过程【】.mp443.66M
09.抽样单元与抽样框【】.mp425.90M
10.抽样形式【】.mp4166.45M
11.概率抽样-简单抽样和系统抽样【】.mp449.66M
12.概率抽样-pps抽样【】.mp4115.64M
13.概率抽样-分层抽样【】.mp421.92M
14.非概率抽样-区域抽样、时间抽样和电话抽样【】.mp461.72M
15.总结【】.mp422.57M
第4节一般性模型
实操题
|||├──截图1【】.png20.91kb
|||└──作业数据【】.rar47.68kb
1.t检验【】.mp419.03M
2.t检验-案例实践【】.mp4181.30M
3.F检验【】.mp434.88M
4.F检验-案例实践【】.mp493.22M
5.相关分析【】.mp421.54M
6.相关分析-案例实践【】.mp444.77M
7.线性回归【】.mp440.72M
8-线性回归-案例实践【】.mp489.28M
9.本节小结【】.mp446.97M
第4章数据预处理基础
第1节数据分析前的准备工作
1.统计工作流程【】.mp424.75M
2.统计准备工作【】.mp4100.17M
3.数据检查要点【】.mp4153.28M
4.开放题的准备【】.mp4173.21M
5.本节小结【】.mp411.26M
第2节数据清洗
1.数据清洗的概念和流程【】.mp438.96M
2.字段选择和数据质量报告【】.mp4100.57M
3.数据清洗主要工作【】.mp4108.20M
4.错误值和异常值处理方法【】.mp4142.36M
5.缺失值处理方法【】.mp4233.90M
6.异常值和缺少值的处理操作【】.mp4169.75M
7.本节小结【】.mp411.42M
第3节数据规范化
1.数据转化【】.mp4236.76M
2.数据离散化与数据扩充【】.mp4153.53M
3.数据合并与拆分【】.mp4210.51M
4.本节小结【】.mp45.69M
课后题【】.txt0.06kb
第5章mysql教程
第1节sql简介
1.sql简介【】.mp481.99M
2.建立数据库【】.mp471.78M
3.建立数据表和约束条件【】.mp4101.46M
4.插入和更改【】.mp4108.75M
5.本节小结【】.mp49.69M
第2节基本查询语句
1.基本查询语句【】.mp4158.61M
2.本节小结【】.mp46.61M
第3节交叉查询和子查询
1.聚合函数和交叉查询：groupby【】.mp4119.34M
2.子查询（in、notin）&模糊匹配Like【】.mp4144.80M
3.本节小结【】.mp43.05M
第4节练表查询
1.连表查询【】.mp4247.00M
2.小结【】.mp414.20M
课后练习
题目【】.txt0.35kb
作业素材【】.rar144.33kb
第6章Excel分析及可视化
第1节Excel简介
1.Excel简介【】.mp455.90M
第2节Excel函数技巧
1.函数的简介【】.mp484.24M
2.查找函数-vlookup和hlookup【】.mp4208.24M
3.查找函数-INDEX和MATCH【】.mp445.36M
4.统计函数【】.mp4252.16M
5.逻辑函数（上）-if、anda和or【】.mp4123.52M
6.逻辑函数（下）【】.mp4113.55M
7.日期函数和文本函数【】.mp4190.01M
8.本节小结【】.mp421.47M
第3节Excel快速处理技巧
1.宏的技巧【】.mp4262.55M
2.数据透视表和选择性黏贴【】.mp4184.93M
3.格式调整技巧【】.mp4149.08M
4.查找和定位&数据有效性技巧【】.mp4276.46M
5.快捷键相关技巧【】.mp464.08M
6.本节小结【】.mp424.27M
第4节Excel可视化技巧
1.如何制作一张图【】.mp4153.96M
2.组合图的做法【】.mp4151.25M
3.条形图的变体【】.mp4132.15M
4.数据起跑地图的做法【】.mp495.55M
5.本节小结【】.mp47.42M
课后练习
课后练习【】.docx412.69kb
哪吒【】.png129.28kb
作业素材(1)【】.rar144.33kb
作业素材【】.rar144.33kb
第7章进阶学习
第1节多变量分析方法选择思路
1.无监督分析和有监督分析【】.mp431.88M
2.无监督分析的原则【】.mp438.32M
第2节因子分析
1.因子分析使用场景【】.mp426.91M
2.因子的概念及分析过程【】.mp472.79M
3.因子数的推定【】.mp465.82M
4.因子轴的旋转【】.mp459.04M
5.因子解释及因子得分计算【】.mp453.53M
6.案例实践【】.mp4118.92M
7.如何用因子分析做评价【】.mp489.27M
第3节聚类分析
1.聚类分析使用场景【】.mp4120.46M
2.聚类分析算法【】.mp479.87M
3.费层次聚类K-means【】.mp4112.87M
4.K-means案例实践【】.mp4222.99M
5.二阶聚类【】.mp432.91M
第4节对应分析
1.对应分析使用目的及结果解读【】.mp497.99M
2.对应分析案例实践【】.mp4128.87M
第5节多维尺度分析
1.概念和使用场景【】.mp480.98M
2.多维尺度分析举例【】.mp4130.57M
3.案例1：根据学生评分进行分座位【】.mp454.67M
4.案例2：根据学生考试成绩进行分座位【】.mp426.08M
5.案例3：根据手机的相似度判断竞争力【】.mp427.87M
6.多维尺度的不足及替代方法【】.mp430.81M
第6节时间序列分析
1.时间序列使用场景【】.mp46.41M
2.两种类型的时间序列【】.mp46.34M
3.时间序列模型ARIMA【】.mp410.08M
4.时间序列中的处理办法【】.mp497.11M
5.案例实践-某连锁超市销售额影响因素预测【】.mp4152.95M
第7节Logistic
1.使用场景和理论背景【】.mp496.28M
2.logistic案例实践-用户流失的影响因素及新用户预测【】.mp4288.47M
课后练习
进阶统计学方法作业数据【】.xlsx11.05kb
题目【】.txt0.14kb
第8章经典数据挖掘算法
第1节数据挖掘基础及数据分层抽样
1.生活中熟悉的数据挖掘案例【】.mp431.12M
2.数据准备及数据分割方式【】.mp412.19M
3.数据分析与数据挖掘的联系与区别【】.mp484.78M
4.Modeler软件介绍【】.mp443.91M
5.如何在Modeler实现数据分层抽样【】.mp4143.64M
第2节朴素贝叶斯
1.朴素贝叶斯原理【】.mp477.17M
2.朴素贝叶斯算法过程【】.mp434.29M
3.朴素贝叶斯算法举例【】.mp458.40M
4.朴素贝叶斯算法优点及不足【】.mp4114.37M
5.案例实践-使用贝叶斯网络建模【】.mp496.37M
第3节决策树
1.决策树使用场景【】.mp43.84M
2.决策树算法（1）——ID3【】.mp419.36M
3.决策树算法（2）——C4.5【】.mp445.45M
4.决策树算法（3）——回归树CART【】.mp450.13M
5.决策树算法（4）——CHAID【】.mp411.00M
6.防止过度拟合的问题【】.mp46.33M
7.使用Modeler如何做决策树【】.mp4141.19M
第4节神经网络
1.神经网络的组成【】.mp487.70M
2.计算误差函数，修正出事权重【】.mp430.25M
3.神经网络与其他分析的关系【】.mp417.90M
4.案例实践【】.mp428.35M
第5节支持向量机
1.支持向量机原理介绍【】.mp421.11M
2.线性可分与线性不可分【】.mp410.96M
3.案例实践【】.mp460.82M
第6节集成算法和模型评估
1.集成算法的目的与方式【】.mp415.15M
2.Bagging与Bosting的计算原理【】.mp4170.18M
3.根据混淆矩阵进行模型评估【】.mp440.08M
4.在Modeler中画出GAIN曲线图和Lift曲线图【】.mp419.90M
5.学习资料拓展【】.mp427.73M
课后练习
课后练习【】.txt0.18kb
作业素材【】.rar313.64kb
第9章R语言入门及基础分析
第1节R语言基础操作
1.初识R语言【】.mp4124.05M
10.离散随机变量分布和连续随机变量分布【】.mp4274.81M
2.R语言的基本操作【】.mp4146.14M
3.R语言的数据结构介绍【】.mp4100.32M
4.向量和矩阵的基本操作【】.mp4281.93M
5.数据框的操作【】.mp4341.34M
6.循环控制流——for&while【】.mp4108.94M
7.条件选择控制流——if【】.mp468.26M
8.自定义函数【】.mp477.04M
9.R语言关于概率分布的函数以及应用介绍【】.mp4206.40M
第2节R语言描述性数据分析
1.探索性数据分析——集中趋势和离中趋势【】.mp4220.02M
2.探索性数据分析——相关系数及函数介绍【】.mp4244.88M
3.探索性数据分析——假设检验【】.mp441.18M
第3节R语言回归算法
1.回归基本算法及相关哈数介绍(上)【】.mp4363.67M
2.回归基本算法及相关哈数介绍(下)【】.mp4272.50M
3.模型选择【】.mp4206.04M
4.回归诊断【】.mp4375.50M
第4节R语言分类算法
1.逻辑回归（上）【】.mp4336.59M
2.逻辑回归（下）【】.mp4431.86M
3.决策树算法【】.mp465.30M
4.决策树的剪枝【】.mp4224.02M
5.随机森林【】.mp4341.88M
第5节R语言聚类和降维
1.使用R如何实现层次聚类【】.mp4468.56M
2.使用R如何实现Kmeans聚类法【】.mp499.37M
3.如何判断聚类的好坏【】.mp4171.66M
4.使用R如何实现PCA降维【】.mp4342.00M
课后练习
黄牛明细数据【】.rar215.68kb
课后练习【】.txt0.34kb
资料
课程练习材料【】.RAR1.69M
所有人都能学的数据分析课–总结图谱【】.RAR107.20kb
所有人都能学的数据分析师-授课讲义（pdf）【】.RAR21.22M