1147分钟
数据分析进阶课
随着大数据和人工智能发展，数据科学作为一个新兴学科发展迅猛。数据科学也可以赋能业务，通过深入挖掘数据价值，一方面可以提高运营效率，降低成本，另一方面也可以发现商机，开拓业务，带来更多利润。但是数据科学…
随着大数据和人工智能发展，数据科学作为一个新兴学科发展迅猛。数据科学也可以赋能业务，通过深入挖掘数据价值，一方面可以提高运营效率，降低成本，另一方面也可以发现商机，开拓业务，带来更多利润。但是数据科学门槛高，体系庞杂，让初学者望而却步。
为此，我们特别开发了本门系统课程，覆盖基于数据挖掘流程展开的核心能力要求，包括商业理解、数据理解、数据准备、建模、评估和发布的全流程。
「零」课程导论
- 讲师介绍
- 课程介绍
「第一周」数据科学是什么
- 什么是数据科学（上）
- 什么是数据科学（下）
- 数据科学职位介绍（1）
- 数据科学职位介绍（2）
- 数据科学职位介绍（3）
- 数据科学职位介绍（4）
- CRISP-DM简介（上）
- CRISP-DM简介（下）
「第二周」数据分析工具Python（上）
- 安装Python
- 「案例」用Python分析员工离职原因
- Python语言简介
- Python中的报错和异常
- Python基本语法知识
- 基本数据类型和数据结构
- 基本运算符
- 控制流
- 自定义函数和Python脚本
- 类的概念
- 手把手教你为HR建立一个智能信息表
- Python自学资源
「第三周」数据分析工具Python（下）
- 课前导读
- 开始安装Jupyter Notebook！
- 完成数据整理任务
- 数据整理常用库：Numpy & Pandas
- Numpy & Pandas中的数据结构
- 手把手带你完成数据整理任务
- 数据整理思路 & 基本操作
- 完成数据可视化任务
- 数据可视化库：Matplotlib & Seaborn
- 手把手带你完成数据可视化任务
- 用Python分析离职原因完整代码
「第四周」数据理解与准备
- 相关性系数
- 卡方检验
- 方差分析
- 特征选取引入
- 过滤法
- 包装法
- 嵌入法
- 特征选取总结
- 练习 员工留存分析
「第五周」机器学习初步建模
- 为什么需要机器学习
- 机器学习是什么
- 三种主要的机器学习算法
- Scikit-learn算法库介绍
- 机器学习模型的评估和选择（上）
- 机器学习模型的评估和选择（下）
- 机器学习模型三个组成部分
- 逻辑回归直观理解
- 逻辑回归三个组成部分
- 目标函数
- 逻辑回归应用
- 多项式逻辑回归模型
- SVM直观理解（上）
- SVM直观理解（下）
- SVM三个组成部分（1）
- SVM三个组成部分（2）
- SVM三个组成部分（3）
- SVM三个组成部分（4）
- SVM核方法（1）
- SVM核方法（2）
- SVM核方法（3）
- SVM和逻辑回归的比较
- 练习 购买转化率预测
「第六周」模型调试与评估
- 模型调试与评估（上）
- 模型调试与评估（下）
- 交叉验证机制
- 通过测试集评估模型
- 通过验证集选择模型
- 验证集选择模型方法
- K-fold交叉验证
- 模型的过拟合和欠拟合
- 学习曲线
- 如何继续调整模型
- 正则化方法提升模型表现（上）
- 正则化方法提升模型表现（下）
- 模型效果评估指标（1）
- ROC曲线和AUC值-召回率和误检率的关系
- 回归模型的效果评估
- 练习 皮马印第安人糖尿病分类问题
「第七周」机器学习建模进阶I
- 课程导言
- 集成方法
- 模型的偏差和方差
- 随机森林
- 自适应提升
- 梯度提升
- 神经网络（1）
- 神经网络（2）
- 神经网络（3）
- 反向传播
- 时间序列算法
- 时间序列分解法
- ARIMA
- ARIMA建模操作步骤
- 练习 购买转化率预测（进阶）
「第八周」机器学习建模进阶II
- 课程导言
- 层次聚类
- 不同层次聚类算法类型
- 层次聚类的应用
- 基于密度的聚类（DBSCAN）
- 算法实现步骤
- 主成分分析（1）
- 主成分分析（2）
- 主成分分析（3）
- 主成分分析（4）
- 练习 热门视频分析
「第九周」A/B测试
- A/B测试能解决的问题
- 严谨的A/B测试流程
- A/B测试：确立目标
- A/B测试：实验设计
- A/B测试中的样本量
- A/B测试：运行实验到结论
- A/B测试实验设计案例
- A/B测试之数据分析
- A/B测试失效时的分析方法
- A/B测试分析方法
「第十周」毕业设计
- CRISP-DM项目引入
- CRISP-DM详解1--商业理解
- CRISP-DM详解2--数据理解
- CRISP-DM详解3--数据准备（第一次）
- CRISP-DM详解4--建模
- CRISP-DM详解5--数据准备（监督学习建模前的准备）
- CRISP-DM详解6--建模（监督学习）
- CRISP-DM详解7--评估
- CRISP-DM详解8--发布
- CRISP-DM详解9--总结
- 毕设 OTA平台酒店预定量的预测
- 毕设 OTA平台客户流失预测
张宇晖
数据分析专家