《CDA数据分析师脱产就业班》
001-Excel基本介绍
002-自定义单元格、填充柄
003-单元格拆分
004-单元格匹配与替换
005-公式求职+if语句
006-函数解析
007-函数数组
008-数组计算
009-查找引用函数
010-查找引用函数应用
011-查找与引用函数
012-基础绘图
013-高级绘图
014- 数据透视表
015-Excel PowerBi 案例(1)
016-Excel PowerBi 案例(2)
017-Power View
018-Power Query(1)
019-Power Query(2)
020-Power View 介绍
021-Power View 餐饮案例 & Power Poivt基础介绍
022-Power Poivt搭载多维数据集
023-Power Poivt DAX表达式
024-数据库介绍
025-SQL语句基本介绍
026-默认的约束条件
027-加入外部数据集使用
028-数据表、库结构的更新
029-基础查询和数据的更新
030-在Work Bench中查询
031-单表查询
032-case语句和索引
033-多表查询
034-MySQL数据表连接和数据录入
035-电商数据挖掘案例介绍
036-电商数据挖掘数据介绍
037-电商数据挖掘数据SQL实现(1)
038-电商数据挖掘数据SQL实现(2)
039-MySQL经典案例讲解(1)
040-MySQL经典案例讲解(2)
041-智能报表制作流程
042-图表
043-电商案例讲解
044-餐饮数据分析理解
045-餐饮数据分析描述
046-餐饮数据分析操作
047-高等数学基础
048-数据模型基础
049-矩阵
050-数据处理与函数
051-统计学基础
052-权限和微分
053-导数
054-洛必达法则
055-级数的收敛和发散
056-数据的度量
057-方差标准差
058-统计量和分布
059-点估计、区间估计
060-极大似然估计
061-两个总计参数的估计
062.双侧检验和单侧检验
063-拟合优度检验
064.一元线性回归
065.多元线性回归
066-线性回归R代码实现
067-SPSS课程简单介绍
068-SPSS软件功能
069.数据类别的介绍
070-SPSS数据库连接和图表
071-正态分布
072-SPSS中假设检验介绍
073-统计相关系数
074-相关性和回归平方和
075-方差分析
076-线性回归模型介绍
077-逻辑回归
078-分析菜单简介
079-交叉表
080-绩效方案
081-缺失值处理
082-线性回归介绍
083-残差的介绍
084.线性回归的SPSS结果解释
085-用户画像的介绍
086-F检验
087-RFM模型
088-SPSS联合分析
089-联合分析结果介绍
090-绩效综合案例讲解
091-R语言的大致介绍
092-R语言的常用运算
093-列表、矩阵和数组
094-因子和DateFrame
095-数据读取函数
096-快速读取函数
097-读取练习
098-向量化运算
099-创建随机数&日期
100-字符处理
101.控制结构
102.自编函数
103.循环函数
104.Apple和Split函数
105.常见的数据清洗
106.使用SQL汇总
107.描述探索性数据分析
108.图形绘制
109-绘图系统介绍
110-基本绘图函数
111-基本统计量&中心极限定理
112-区间估计&假设检验
113-T检验
114-方差分析
115.相关性检验
116-线性回归背景介绍及数据理解
117.R软件中的相关性
118-相关性系数矩阵
119-偏相关系数及相关系数
120-两样本T检验
121-回归模型的实现及讲解
122-残差的介绍
123-异常值处理
124-建模与预测
125-建模评估
126-图形解释
127.逐步回归的介绍
128-多元线性回归代码展示及结果解释
129-Logists回归大致介绍
130-变量处理
131-筛选变量
132-建模与评估
133-主成分分析和因子分析方法介绍
134-主成分和因子分析在R中的实现
135-主成分分析具体剖析
136-关联规则的基本介绍
137-Apriori算法原理介绍
138-关联规则数据处理
139-关联规则可视化
140-关联规则的评估
141-数据挖掘简介
142-数据挖掘算法分类
143-聚类分析基本概念及距离计算
144-聚类的几个算法
145-R实施聚类分析
146—聚类分析总结
147.分类算法简介
148-决策树基本介绍
149-ID3算法
150-决策树R实施
151-决策树总结
152-Boosting
153.BOOTstrap&bagging
154-ADABOOST
155-随机森林实施
156-SVM引言
157-线性SVM
158-非线性SVM
159-SVM的R建模
160-条件概率
161-贝叶斯公式
162-贝叶斯分类
163-贝叶斯建模
164-模型评估
165-神经元模型
166-人工神经网络模型
167-单节感知器
168-BP神经网络
169-数据挖掘方法和建模流程
170-电影票房预测
171-CRM和信用评分卡
172-信用评分公式细节
173-评分卡代码讲解
174-客户分群
175-层次聚类和K-means聚类
176-聚类分析建模流程
177-聚类分析案例应用
178-R代码实现客户分群
179-线性回归建模流程
180-R语言进行数据预分析
181-R语言进行变量筛选
182-R语言进行模型评估
183-案例分析流程
184.3-13-2数值型变量的处理
185-缺失值、异常值处理及变量筛选
185.2逻辑回归及线性回归的应用
186-模型评估及可视化
187-关联规则
188-Apriori和FpGrowth
189-R语言实现关联规则
190-协同过滤算法
191-R实现协同过滤算法
192-时间序列简介_白噪声
193-平稳时间序列模型
194-平稳时间时序模型R实现_非平稳时序模型
195-模型预测_预测评估_建模流程
196-建模流程和补充
197-决策树基本介绍
198-决策树原理介绍
199-R语言实现决策树
200-决策树进阶应用
201-随机森林
202-Python引言
203-Python基础语法
204-字符串和列表
205-列表和元组
206-字典和分支结构
207-for循环
208-循环和分支结构练习
209-自建函数
210-回顾练习
211-递归函数
212-错误和异常
213-高级函数
214-函数生成_模块_读写
215-随机数_目录_时间
216-棋盘_赌徒必输
217-连接数据库
218-dnarry对象
219-dnarry对象的方法
220-数组运算
221-函数应用和映射
222-函数
223-排序和过滤
224-RFM计算
225-医疗数据处理
226-爬虫简介
227-网页解析
228-网页爬虫天气
228.2网页爬虫有道翻译
228.3网页爬虫淘宝
229-Post获取有道翻译和BeautifulSoup解析网页
230-BeautifulSoup解析网页并抓取数据
231-正则表达式
232-Selenium定位爬取去哪网
233-Selenium爬取去哪网
234-Selenium动态爬取去哪网景点
235-统计语言模型
236-词向量
237-中文分词
238-R语言实现分词和词向量
239-R语言实现词云图
240-文本分析引言和Logistic回归及KNN
241-贝叶斯和SVM
242-Python实现文本分类
243-文本聚类和主题模型
244-情感分析和CNN
245.推荐系统概述
246-冷启动问题
247—EE问题和基于近邻的协同过滤
248-基于用户和基于物品的协同过滤
249-Python实现协同过滤
250-基于内容的推荐和用户画像
251-文本挖掘算法
252-基于矩阵分解的推荐
253-基于深度学习的算法
254-视频推荐架构
255-互联网金融产品介绍
256-现金贷风控流程
257-风控策略
258-评分卡
259-业务相关
260-绩效评价和认同度调查
261-人口监测
262.人工智能简介
263-知识图谱展示
264-知识图谱构建程序
265-MySQL集训
01-人工智能知识图谱
01-数据分析在互联网金融中的应用
01-数据分析在政府基层统计工作中的应用
02-人工智能知识图谱
02-数据分析在互联网金融中的应用
02-数据分析在政府基层统计工作中的应用
03-人工智能知识图谱
03-数据分析在互联网金融中的应用
04-数据分析在互联网金融中的应用
0-聚类分析
1-决策树
2-逻辑回归
3-信用分析-逻辑回归
4-逻辑回归
5-主成分分析和因子分析
6-数据分析知识点概述
(访问密码:9390)