第1章数据分析师的职业概览[69.15M]
01.数据分析师的“钱景”如何_[3].mp4[6.73M]
02.什么人适合数据分析_[3].mp4[12.88M]
03.数据分析师的临界知识_[3].mp4[29.00M]
04.数据分析师的主要职责_[3].mp4[20.53M]
第2章数据分析和数据挖掘的概念和理念[1.78G]
第1节基础概念[461.92M]
01.数据分析及数据挖掘定义.mp4[129.84M]
02.数据分析与数据挖掘的层次.mp4[63.23M]
03.数据分析及数据挖掘三要素.mp4[227.60M]
04.本节小结.mp4[41.26M]
第2节探索性数据分析[251.01M]
01.如何描述业务量数据.mp4[204.77M]
02.可视化展示的原则.mp4[19.76M]
03.本节小结.mp4[26.48M]
第3节预测和分类[788.54M]
01.预测和分类的概念模型、流程.mp4[86.96M]
02.分类和预测：线性回归.mp4[135.27M]
03.逻辑回归.mp4[223.56M]
04.决策树算法.mp4[123.97M]
05.支持向量机.mp4[105.02M]
06.朴素贝叶斯.mp4[88.09M]
07.本节小结.mp4[25.67M]
第4节分群和降维[325.32M]
01.聚类算法的基本概念.mp4[100.03M]
02.层次聚类.mp4[87.75M]
03.K-means聚类.mp4[74.07M]
04.降维模型-PCA.mp4[61.39M]
05.本节小结.mp4[2.09M]
第3章统计学基础和SPSS软件应用[2.52G]
第1节描述性统计描述[580.14M]
01.统计分析的目的.mp4[39.55M]
02.统计分析的关键概念.mp4[17.87M]
03.四种测量尺度.mp4[151.19M]
04.集中趋势-均值.mp4[58.37M]
05.集中趋势-中位数和众数.mp4[36.09M]
06.离散趋势-极差和方差.mp4[132.17M]
07.案例操作-如何实现离中趋势和集中趋势.mp4[137.74M]
08.本节小结.mp4[7.17M]
第2节假设检验_统计判断[452.00M]
01.统计学本质.mp4[39.38M]
02.统计学两大定理.mp4[46.25M]
03.统计判断-抽样误差与标准误差.mp4[61.21M]
04.统计推断-t分布.mp4[85.45M]
05.统计推断-参数估计.mp4[72.04M]
06.统计推断-假设检验.mp4[127.01M]
07.本节小结.mp4[20.65M]
第3节抽样方法[975.57M]
01.统计过程.mp4[8.54M]
02.抽样的概念.mp4[6.76M]
03.抽样方法与非抽样方法.mp4[93.74M]
04.抽样调查与普查的特点.mp4[39.46M]
05.非抽样调查.mp4[67.05M]
06.非抽样调查的三种类型.mp4[236.90M]
07.无回答误差的处理.mp4[15.60M]
08.抽样过程.mp4[43.66M]
09.抽样单元与抽样框.mp4[25.90M]
10.抽样形式.mp4[166.45M]
11.概率抽样-简单抽样和系统抽样.mp4[49.66M]
12.概率抽样-pps抽样.mp4[115.64M]
13.概率抽样-分层抽样.mp4[21.92M]
14.非概率抽样-区域抽样、时间抽样和电话抽样.mp4[61.72M]
15.总结.mp4[22.57M]
第4节一般性模型[571.78M]
实操题[68.59K]
截图1.png[20.91K]
作业数据.rar[47.68K]
1.t检验.mp4[19.03M]
2.t检验-案例实践.mp4[181.30M]
3.F检验.mp4[34.88M]
4.F检验-案例实践.mp4[93.22M]
5.相关分析.mp4[21.54M]
6.相关分析-案例实践.mp4[44.77M]
7.线性回归.mp4[40.72M]
8-线性回归-案例实践.mp4[89.28M]
9.本节小结.mp4[46.97M]
第4章数据预处理基础[1.83G]
第1节数据分析前的准备工作[462.66M]
1.统计工作流程.mp4[24.75M]
2.统计准备工作.mp4[100.17M]
3.数据检查要点.mp4[153.28M]
4.开放题的准备.mp4[173.21M]
5.本节小结.mp4[11.26M]
第2节数据清洗[805.15M]
1.数据清洗的概念和流程.mp4[38.96M]
2.字段选择和数据质量报告.mp4[100.57M]
3.数据清洗主要工作.mp4[108.20M]
4.错误值和异常值处理方法.mp4[142.36M]
5.缺失值处理方法.mp4[233.90M]
6.异常值和缺少值的处理操作.mp4[169.75M]
7.本节小结.mp4[11.42M]
第3节数据规范化[606.49M]
1.数据转化.mp4[236.76M]
2.数据离散化与数据扩充.mp4[153.53M]
3.数据合并与拆分.mp4[210.51M]
4.本节小结.mp4[5.69M]
课后题.txt[0.06K]
第5章mysql教程[1.04G]
第1节sql简介[373.66M]
1.sql简介.mp4[81.99M]
2.建立数据库.mp4[71.78M]
3.建立数据表和约束条件.mp4[101.46M]
4.插入和更改.mp4[108.75M]
5.本节小结.mp4[9.69M]
第2节基本查询语句[165.22M]
1.基本查询语句.mp4[158.61M]
2.本节小结.mp4[6.61M]
第3节交叉查询和子查询[267.18M]
1.聚合函数和交叉查询：groupby.mp4[119.34M]
2.子查询（in、notin）&模糊匹配Like.mp4[144.80M]
3.本节小结.mp4[3.05M]
第4节练表查询[261.20M]
1.连表查询.mp4[247.00M]
2.小结.mp4[14.20M]
课后练习[144.68K]
题目.txt[0.35K]
作业素材.rar[144.33K]
第6章Excel分析及可视化[2.54G]
第1节Excel简介[55.90M]
1.Excel简介.mp4[55.90M]
第2节Excel函数技巧[1.01G]
1.函数的简介.mp4[84.24M]
2.查找函数-vlookup和hlookup.mp4[208.24M]
3.查找函数-INDEX和MATCH.mp4[45.36M]
4.统计函数.mp4[252.16M]
5.逻辑函数（上）-if、anda和or.mp4[123.52M]
6.逻辑函数（下）.mp4[113.55M]
7.日期函数和文本函数.mp4[190.01M]
8.本节小结.mp4[21.47M]
第3节Excel快速处理技巧[961.37M]
1.宏的技巧.mp4[262.55M]
2.数据透视表和选择性黏贴.mp4[184.93M]
3.格式调整技巧.mp4[149.08M]
4.查找和定位&数据有效性技巧.mp4[276.46M]
5.快捷键相关技巧.mp4[64.08M]
6.本节小结.mp4[24.27M]
第4节Excel可视化技巧[540.33M]
1.如何制作一张图.mp4[153.96M]
2.组合图的做法.mp4[151.25M]
3.条形图的变体.mp4[132.15M]
4.数据起跑地图的做法.mp4[95.55M]
5.本节小结.mp4[7.42M]
课后练习[830.64K]
课后练习.docx[412.69K]
哪吒.png[129.28K]
作业素材(1).rar[144.33K]
作业素材.rar[144.33K]
第7章进阶学习[2.31G]
第1节多变量分析方法选择思路[70.20M]
1.无监督分析和有监督分析.mp4[31.88M]
2.无监督分析的原则.mp4[38.32M]
第2节因子分析[486.29M]
1.因子分析使用场景.mp4[26.91M]
2.因子的概念及分析过程.mp4[72.79M]
3.因子数的推定.mp4[65.82M]
4.因子轴的旋转.mp4[59.04M]
5.因子解释及因子得分计算.mp4[53.53M]
6.案例实践.mp4[118.92M]
7.如何用因子分析做评价.mp4[89.27M]
第3节聚类分析[569.10M]
1.聚类分析使用场景.mp4[120.46M]
2.聚类分析算法.mp4[79.87M]
3.费层次聚类K-means.mp4[112.87M]
4.K-means案例实践.mp4[222.99M]
5.二阶聚类.mp4[32.91M]
第4节对应分析[226.85M]
1.对应分析使用目的及结果解读.mp4[97.99M]
2.对应分析案例实践.mp4[128.87M]
第5节多维尺度分析[350.98M]
1.概念和使用场景.mp4[80.98M]
2.多维尺度分析举例.mp4[130.57M]
3.案例1：根据学生评分进行分座位.mp4[54.67M]
4.案例2：根据学生考试成绩进行分座位.mp4[26.08M]
5.案例3：根据手机的相似度判断竞争力.mp4[27.87M]
6.多维尺度的不足及替代方法.mp4[30.81M]
第6节时间序列分析[272.90M]
1.时间序列使用场景.mp4[6.41M]
2.两种类型的时间序列.mp4[6.34M]
3.时间序列模型ARIMA.mp4[10.08M]
4.时间序列中的处理办法.mp4[97.11M]
5.案例实践-某连锁超市销售额影响因素预测.mp4[152.95M]
第7节Logistic[384.75M]
1.使用场景和理论背景.mp4[96.28M]
2.logistic案例实践-用户流失的影响因素及新用户预测.mp4[288.47M]
课后练习[11.19K]
进阶统计学方法作业数据.xlsx[11.05K]
题目.txt[0.14K]
第8章经典数据挖掘算法[1.47G]
第1节数据挖掘基础及数据分层抽样[315.64M]
1.生活中熟悉的数据挖掘案例.mp4[31.12M]
2.数据准备及数据分割方式.mp4[12.19M]
3.数据分析与数据挖掘的联系与区别.mp4[84.78M]
4.Modeler软件介绍.mp4[43.91M]
5.如何在Modeler实现数据分层抽样.mp4[143.64M]
第2节朴素贝叶斯[380.59M]
1.朴素贝叶斯原理.mp4[77.17M]
2.朴素贝叶斯算法过程.mp4[34.29M]
3.朴素贝叶斯算法举例.mp4[58.40M]
4.朴素贝叶斯算法优点及不足.mp4[114.37M]
5.案例实践-使用贝叶斯网络建模.mp4[96.37M]
第3节决策树[277.29M]
1.决策树使用场景.mp4[3.84M]
2.决策树算法（1）ID3.mp4[19.36M]
3.决策树算法（2）C4.5.mp4[45.45M]
4.决策树算法（3）回归树CART.mp4[50.13M]
5.决策树算法（4）CHAID.mp4[11.00M]
6.防止过度拟合的问题.mp4[6.33M]
7.使用Modeler如何做决策树.mp4[141.19M]
第4节神经网络[164.20M]
1.神经网络的组成.mp4[87.70M]
2.计算误差函数，修正出事权重.mp4[30.25M]
3.神经网络与其他分析的关系.mp4[17.90M]
4.案例实践.mp4[28.35M]
第5节支持向量机[92.89M]
1.支持向量机原理介绍.mp4[21.11M]
2.线性可分与线性不可分.mp4[10.96M]
3.案例实践.mp4[60.82M]
第6节集成算法和模型评估[273.05M]
1.集成算法的目的与方式.mp4[15.15M]
2.Bagging与Bosting的计算原理.mp4[170.18M]
3.根据混淆矩阵进行模型评估.mp4[40.08M]
4.在Modeler中画出GAIN曲线图和Lift曲线图.mp4[19.90M]
5.学习资料拓展.mp4[27.73M]
课后练习[313.82K]
课后练习.txt[0.18K]
作业素材.rar[313.64K]
第9章R语言入门及基础分析[5.80G]
第1节R语言基础操作[1.69G]
1.初识R语言.mp4[124.05M]
10.离散随机变量分布和连续随机变量分布.mp4[274.81M]
2.R语言的基本操作.mp4[146.14M]
3.R语言的数据结构介绍.mp4[100.32M]
4.向量和矩阵的基本操作.mp4[281.93M]
5.数据框的操作.mp4[341.34M]
6.循环控制流for&while.mp4[108.94M]
7.条件选择控制流if.mp4[68.26M]
8.自定义函数.mp4[77.04M]
9.R语言关于概率分布的函数以及应用介绍.mp4[206.40M]
第2节R语言描述性数据分析[506.08M]
1.探索性数据分析集中趋势和离中趋势.mp4[220.02M]
2.探索性数据分析相关系数及函数介绍.mp4[244.88M]
3.探索性数据分析假设检验.mp4[41.18M]
第3节R语言回归算法[1.19G]
1.回归基本算法及相关哈数介绍(上).mp4[363.67M]
2.回归基本算法及相关哈数介绍(下).mp4[272.50M]
3.模型选择.mp4[206.04M]
4.回归诊断.mp4[375.50M]
第4节R语言分类算法[1.37G]
1.逻辑回归（上）.mp4[336.59M]
2.逻辑回归（下）.mp4[431.86M]
3.决策树算法.mp4[65.30M]
4.决策树的剪枝.mp4[224.02M]
5.随机森林.mp4[341.88M]
第5节R语言聚类和降维[1.06G]
1.使用R如何实现层次聚类.mp4[468.56M]
2.使用R如何实现Kmeans聚类法.mp4[99.37M]
3.如何判断聚类的好坏.mp4[171.66M]
4.使用R如何实现PCA降维.mp4[342.00M]
课后练习[216.02K]
黄牛明细数据.rar[215.68K]
课后练习.txt[0.34K]
第10章python入门及基础分析[4.91G]
第1节概述与基本操作[623.08M]
1.课程与开发环境简介.mp4[80.21M]
2.帮助文档的获取&基础操作.mp4[233.12M]
3.基础操作：整数、小数、复数&列表、字符串、字典.mp4[120.83M]
4.自定义函数.mp4[119.88M]
5.Jupyte常用快捷键以及自动补全功能的实现r.mp4[59.68M]
6.本节小结.mp4[9.36M]
第2节Numpy[853.13M]
1.从头创建一个数组.mp4[229.17M]
2.案例实践如何实现99乘法表和老虎机.mp4[113.51M]
3.数组的操作.mp4[140.81M]
4.数组的计算.mp4[82.27M]
5.数组的广播.mp4[173.75M]
6.比较、掩码和布尔逻辑.mp4[113.62M]
第3节Pandas[840.32M]
1.序列和数据库.mp4[97.49M]
10.本节小结.mp4[11.00M]
2.索引和切片.mp4[105.54M]
3.通过索引运算和生成新的列.mp4[44.28M]
4.文件的读取和写入.mp4[65.34M]
5.缺失值处理.mp4[106.17M]
6.数据连接.mp4[146.06M]
7.分组和聚合.mp4[92.31M]
8.数据透视表.mp4[125.17M]
9.字符串的处理.mp4[46.98M]
第4节Matplotlib与python作图[765.37M]
1.基础作图折线图和散点图.mp4[194.72M]
2.基础作图直方图和饼图.mp4[97.31M]
3.子图和图例.mp4[93.82M]
4.图标设置标签，表格样式和cmap.mp4[206.03M]
5.高级作图.mp4[171.01M]
6.本节小结.mp4[2.47M]
第5节Sklearn与机器学习基础[1.90G]
1.线性回归.mp4[109.61M]
10.支持向量机核函数.mp4[144.52M]
11.支持向量机是如何防止过拟合的.mp4[96.29M]
12.如何使用Python实现PCA降维算法.mp4[227.79M]
13.如何使用Python实现Kmeans聚类.mp4[82.86M]
14.本节小结.mp4[30.34M]
2.逻辑回归的原理、模型实现与正则化.mp4[222.63M]
3.逻辑回归的评估以及最优迭代次数.mp4[204.19M]
4.贝叶斯分类器的实现过程.mp4[66.48M]
5.朴素贝叶斯算法案例手写数字识别.mp4[44.47M]
6.数据预处理.mp4[307.24M]
7.决策树和随机森林熵和决策树.mp4[86.67M]
8.决策树和随机森林算法对比.mp4[100.04M]
9.随机森林的调参.mp4[222.12M]
课后练习[0.40K]
课后练习.txt[0.40K]
第11章课程总结图谱[94.43M]
课程总结.mp4[94.43M]
资料[23.02M]
课程练习材料.RAR[1.69M]
所有人都能学的数据分析课–总结图谱.RAR[107.20K]
所有人都能学的数据分析师-授课讲义（pdf）.RAR[21.22M]
评论0