- 课程目录
- 课程介绍
-
在线阅读：开篇词 | 你为什么需要数据分析能力？
我们生活在数据驱动一切的时代，数据挖掘和数据分析就是这个时代的“淘金”。
-
01丨数据分析全景图及修炼指南
我把数据分析分成三个重要的组成部分：数据采集、数据挖掘
-
02丨学习数据挖掘的最佳路径是什么？
数据分析中最关键的部分就是数据挖掘，那什么是数据挖掘呢？
-
03丨Python基础语法：开始你的Python之旅
要学好数据分析，一定要掌握 Python 吗？
-
04丨Python科学计算：用NumPy快速处理数据
NumPy不仅是 Python 中使用最多的第三方库，还是 SciPy、Pandas 等数据科学的基础库。
-
05丨Python科学计算：Pandas
Pandas 是基于 NumPy 构建的含有更高级数据结构和分析能力的工具包，那么它的核心数据结构是什么呢？
-
06 | 学数据分析要掌握哪些基本概念？
学数据分析，你需要了解的那些概念。
-
07 | 用户画像：标签化就是数据的抽象能力
数据分析的终极出发点到底是什么？
-
08 | 数据采集：如何自动化采集数据？
如何从多个维度采集数据？
-
09丨数据采集：如何用八爪鱼采集微博上的“D&G”评论
如何用八爪鱼进行数据采集呢？八爪鱼又有哪些实用的小技巧？
-
10丨Python爬虫：如何自动化下载王祖贤海报？
相比于使用第三方工具，Python爬虫都有哪些长处？
-
在线阅读：11 | 数据科学家80%时间都花费在了这些清洗任务上？
做完数据采集就可以直接进行挖掘了吗？
-
12 | 数据集成：这些大号一共20亿粉丝？
如何统计30位明星的真实影响力？数据集成可以帮助到你。
-
13 | 数据变换：考试成绩要求正态分布合理么？
数据变换在数据分析中处于什么样的位置？
-
14丨数据可视化：掌握数据领域的万金油技能
数据可视化，可以让你更直观地感受到“数据之美”。
-
15丨一次学会Python数据可视化的10种技能
Python可视化最常用的十种视图都有哪些？它们是如何实现的？
-
16丨数据分析基础篇答疑
我总结了Numpy、Pandas、爬虫以及数据变换相关的问题，精选了大家比较疑惑的点作为解答。
-
17 丨决策树（上）：要不要去打篮球？决策树来告诉你
在现实生活中，我们会遇到各种选择，都是基于以往的经验来做判断，它实际上是一个树状图，这就是决策树。
-
18丨决策树（中）：CART，一棵是回归树，另一棵是分类树
CART决策树既可以做回归树，也可以做分类树。
-
19丨决策树（下）：泰坦尼克乘客生存预测
决策树分类的应用场景非常广泛，今天我来带你用决策树进行项目的实战。
-
20丨朴素贝叶斯分类（上）：如何让机器判断男女？
很多人都听说过贝叶斯原理，但记不住这些概率论的公式，没关系，我会尽量用通俗易懂的语言进行讲解。
-
21丨朴素贝叶斯分类（下）：如何对文档进行分类？
我们上一节讲了朴素贝叶斯的工作原理，今天我们来讲下这些原理是如何指导实际业务的。
-
22丨SVM（上）：如何用一根棍子将蓝红两色球分开？
SVM分类器在文本分类尤其是针对二分类任务性能卓越，那么如何理解SVM呢？
-
23丨SVM（下）：如何进行乳腺癌检测？
讲完了SVM的原理之后，今天我来带你进行SVM的实战。
-
24丨KNN（上）：如何根据打斗和接吻次数来划分电影类型？
KNN的理论简单、直接、成熟，可以应用到线性和非线性的分类问题中，也可以用于回归分析。
-
25丨KNN（下）：如何对手写数字进行识别？
今天我用KNN、SVM、朴素贝叶斯和决策树做分类器，分别做一下手写数字分类识别的实战。
-
26丨K-Means（上）：如何给20支亚洲球队做聚类？
假设我有20支亚洲足球队，想要将它们按照成绩划分成3个等级，可以怎样划分？
-
27丨K-Means（下）：如何使用K-Means对图像进行分割？
今天我们继续用K-Means进行聚类的实战。聚类的一个常用场景就是对图像进行分割。
-
28丨EM聚类（上）：如何将一份菜等分给两个人？
我们先看一个简单的场景：假设你炒了一份菜，想要把它平均分到两个碟子里，该怎么分？
-
29丨EM聚类（下）：用EM算法对王者荣耀英雄进行划分
如何使用EM算法工具完成聚类？
-
30丨关联规则挖掘（上）：如何用Apriori发现用户购物规则？
Apriori算法是在“购物篮分析”中常用的关联规则挖掘算法，在Apriori算法中你最主要掌握哪些概念呢？
-
31丨关联规则挖掘（下）：导演如何选择演员？
今天我来带你用Apriori算法做一个项目实战，在这个过程中，你需要掌握哪几点呢？
-
32丨PageRank（上）：搞懂Google的PageRank算法
互联网早期，搜索引擎有很多缺陷。针对这些缺陷，Google是如何解决的？
-
33丨PageRank（下）：分析希拉里邮件中的人物关系
上节课我们讲到PageRank算法经常被用到网络关系的分析中，今天我们就来做一个实战项目。
-
34丨AdaBoost（上）：如何使用AdaBoost提升分类器性能？
今天我们学习AdaBoost算法。在数据挖掘中，分类算法可以说是核心算法。
-
35丨AdaBoost（下）：如何使用AdaBoost对房价进行预测？
今天我带你用AdaBoost回归分析对波士顿房价进行了预测，在这个过程里，你需要掌握什么呢？
-
36丨数据分析算法篇答疑
我总结了算法篇中经常遇到的问题，精选了几个作为答疑。没有列出的问题，我也会在评论区陆续解答。
-
37丨数据采集实战：如何自动化运营微博？
今天我带你做一个微博自动化运营的实战，在这个过程中，你需要掌握哪些工具呢？
-
38丨数据可视化实战：如何给毛不易的歌曲做词云展示？
假如你喜欢某个歌手，想了解这个歌手创作的歌曲中经常用到哪些词语，该怎么做呢？
-
39丨数据挖掘实战（1）：信用卡违约率分析
当我们做数据挖掘的时候，如何选择最优分类算法呢？如何优化分类器的参数，得到更好的结果？
-
40丨数据挖掘实战（2）：信用卡诈骗分析
逻辑回归虽然不在我们讲解的十大经典数据挖掘算法里面，但也是常用的数据挖掘算法。
-
41丨数据挖掘实战（3）：如何对比特币走势进行预测？
今天我带你用数据挖掘对比特币的走势进行预测和分析，采用哪种方法比较好呢？
-
42丨当我们谈深度学习的时候，我们都在谈什么？
数据挖掘十大经典算法属于传统的机器学习算法，机器学习算法和深度学习有什么关联呢？
-
43丨深度学习（下）：如何用Keras搭建深度学习网络做手写数字识别？
我们之前用KNN算过手写数字识别这个项目，这节课我们用Keras这个深度学习框架做一下，两者之间到底有什么区别呢？
-
44丨如何培养你的数据分析思维？
培养数据分析思维不仅对找一份和数据分析相关的工作有帮助，在日常生活中同样也有帮助。
-
45丨求职简历中没有相关项目经验，怎么办？
如果没有项目经验，很多人就会感觉无从下手，这时候该怎么办呢？
-
加餐丨在社交网络上刷粉刷量，技术上是如何实现的？
很多社交网络可以刷粉、刷量，你想知道这是怎么做到的吗？
-
结束语丨当大家都在讲知识和工具的时候，我更希望你重视思维和实战
不论你以后是否会从事一份和数据分析相关的工作，我都希望你可以把思考作为一种学习的领悟，把实战当做是一次项目的旅行。
-
结课测试 | 数据分析的这些知识，你真的掌握了吗？
为了帮助你检验自己的学习效果，我特别给你准备了一套结课测试题。这套测试题共有20道题目，满分100分。
课程介绍
你将获得 数据分析核心概念和工具； 数据采集、清洗、分析方法论； 10大数据挖掘算法精讲； Kaggle实战项目练习。 讲师介绍 课程介绍 要学的东西太多了，从统计学到SQL，从Python到R语言，听着就累；...你将获得
- 数据分析核心概念和工具；
- 数据采集、清洗、分析方法论；
- 10大数据挖掘算法精讲；
- Kaggle实战项目练习。
讲师介绍
课程介绍
-
要学的东西太多了，从统计学到SQL，从Python到R语言，听着就累；
-
感觉太难了，数据挖掘算法根本学不明白，真叫人头大；
-
也学了不少东西，但觉得很理论，完全不知道该怎么用。
确实，数据挖掘和数据分析有一些门槛，但是和学习任何新东西一样，它也需要更加高效的方法。事实上，你只需要熟悉数据从采集、清洗到集成的准备过程，掌握最核心的十个数据挖掘算法，重视对工具的熟练使用，从一个个小项目做起，快速积累经验，你就能拥有数据分析这项新技能，有能力真正把数据转化成财富，创造价值。
为此，我们邀请了陈旸来为你讲解数据分析，帮你攻破它。
陈旸，清华大学计算机博士，前IBM中国研究院工程师。IEEE & ACM Member，中国人工智能协会成员，中国计算机协会CCF大数据专委。
在这个专栏里，他将结合自己的学习体会和实践经验，带你由浅入深掌握数据分析的核心知识点，并且结合案例手把手教你从源头上认识数据分析，熟悉对应的工具操作。同时，为了帮助你融会贯通，专栏还设计了专属题库，保证你能够即学即用。
专栏模块
专栏分为5大模块。
预习篇
介绍数据分析的全景图和最佳学习路径。此外还有3篇Python入门内容，分别是Python的基本语法和两大工具NumPy、Pandas，帮助你快速上手。
基础篇
帮你梳理数据分析的流程，了解数据分析的方方面面。包括数据分析的基础概念、数据采集、数据处理以及数据可视化。
算法篇
算法是数据挖掘的精华所在，也是专栏的重点内容。专栏精选10大算法，包括分类、聚类和预测三大类型。每个算法都从原理和案例两个角度学习，帮助你快速理解和应用。
实战篇
理论是铠甲，落实在项目，进行实战才是我们的目标。专栏里精选了5个项目，让你在实操中深入理解数据分析，体验数据思维。
工作篇
面试通向数据分析工程师的最后一步，所以这一模块会告诉你面试时需要注意什么，职位的晋升路径又是怎样的？帮你打通最后一关。
课程目录
特别放送
免费领取福利
限时活动推荐
