課程亮點：

朝九晚九全程跟班答疑、一對一督學、定期直播串講、五分鐘內有問必答、出勤率和進度監督、作業與測試

學習目標：

熟練掌握數據庫、Python等數據分析軟件；

學會機器學習、深度學習；

熟練掌握數據清洗，可以完成缺失值填補、異常值處理等；

精通數據可視化，例如箱線圖、動態圖等；

掌握人工智能在各行業的應用場景；

可以獨立完成數據項目；

可以獨立完成數據報告撰寫；

學會團隊協作，分工完成大型項目。

課程內容：

01章Mysql數據庫應用

01-01數據庫概述及基本操作

01-02單表查詢

01-03多表查詢、子查詢

01-04常用函數

01-05MySQL進階練習

01-06電商案例

02章Excel業務數據分析

02-01Excel基礎技能

02-02案例綜合-人力考勤應用

02-03數據的分類匯總

02-04圖表可視化

02-05圖表應用案例一-零售分析儀

02-06圖表應用案例二-財務分析

02-07分析方法

03章商業智能分析

03-01數據倉庫概述及基本操作

03-02數據建模及匯總規則

03-03零售行業分析案例

03-04電商行業客戶行為分析案例

03-05餐飲行業銷售情況監控案例

03-06電商行業流量分析案例

03-07進銷存分析案例

03-08汽車市場數據分析案例

03-09拓展業務分析案例

04章機器學習數學基礎

04-01微積分

04-02線性代數

04-03描述性統計方法

04-04抽樣估計

04-05假設檢驗

04-06列聯分析

04-07相關分析

04-08回歸分析

05章python編程

05-01python入門與安裝

05-02python語法入門

05-03基本數據類型

05-04控制語句

05-05錯誤與異常

05-06常用內置函數

05-07函數創建與使用

05-08python高級特性

05-09python模塊

05-10python IO操作

05-11日期與時間

05-12類和面向對象

05-13python連接數據庫

06章Python數據清洗

06-01Numpy基礎

06-02Pandas入門

06-03Pandas基本數據處理方法

06-04Pandas聚合與分組

06-05Python數據清洗高級操作及案例實戰

07章Python數據可視化

07-01Python數據可視化入門

07-02MLlib(RDD-BaseAPI)機器學習

07-03MatPlotlib繪圖高級參數

07-04高級繪圖工具seaborn、pyecharts

08章Python統計分析

08-01數據分析及統計信息

08-02一元線性回歸

08-03多元線性回歸

08-04一般logistic回歸

08-05logistic回歸與修正

09章Python機器學習入門

09-01機器學習入門

09-02KNN

09-03模型評估方法（一）

09-04模型優化方法（一）

09-05Kmeans

09-06模型評估方法（二）

09-07DBSCAN

09-08決策樹

09-09模型評估方法（三）

09-10案例實戰：決策樹在保險行業的應用

10章Python機器學習夯實基礎

10-01線性回歸

10-02模型優化方法（二）

10-03邏輯回歸

10-04樸素貝葉斯

10-05模型優化方法（三）

10-06關聯規則

10-07協同過濾

10-08案例實戰：基于協同過濾的商品個性化推薦

11章Python機器學習成竹在胸

11-01集成算法之隨機森林

11-02集成算法之AdaBoost

11-03數據處理和特征工程

11-04SVM

11-05神經網絡

11-06XGBoost

11-07實戰案例：基于XGboost的航空預測

12章數據分析項目報告撰寫

12-01報告的預備工作

12-02報告的邏輯框架及結構

12-03常用分析模型及適用場景

12-04項目基本情況分析

12-05項目分析方法與過程

12-06具體報告撰寫

13章算法綜合案例一：評分卡

13-01案例背景介紹

13-02建模準備

13-03數據清洗及變量粗篩

13-04模型訓練

13-05模型評估

13-06模型部署與更新

14章算法綜合案例二：電商零售

14-01項目總體概覽以及計劃

14-02方法實現與結果

14-03營銷活動設計以及結果評價

15章非關系型數據庫MongoDB

15-01MongoDB簡介

15-02MongoDB的常用操作

15-03MongoDB的使用

15-04python操作MongoDB

16章深度學習基礎：復雜網絡分析

16-01圖論

16-02復雜網絡的拓撲結構性質

16-03更多類型的網絡

16-04復雜網絡的演化

16-05復雜網絡的功能

16-06案例：北京市快速軌道交通的有效性

16-07案例：社交網絡數據分析

17章深度學習框架TensorFlow

17-01開發環境搭建

17-02TensorFlow基本數據結構

17-03TensorFlow實現代碼結構和開發步驟——回歸問題

17-04TensorFlow實現代碼結構和開發步驟——分類問題

18章深度學習基礎算法理論及實踐

18-01AI概述和TensorFlow基礎

18-02神經網絡結構

18-03卷積神經網絡

18-04RNN和LSTM

18-05手寫數字識別的突破——卷積神經網絡TensorFlow實現

19章深度學習高階算法理論及實踐

19-01判別網絡

19-02生成網絡

19-03對抗網絡和增強學習

20章人工智能實戰

20-01文本分析項目

20-02文本數據預處理

20-03文本分析應用與python語言實現

20-04圖像識別項目

20-05深度學習與圖像識別及經典數據集

20-06圖像識別的突破——卷積神經網絡

20-07使用卷積神經網絡對經典數據集cifar進行分類識別

20-08使用自己的數據集訓練卷積神經網絡

20-09語音識別項目

20-10語音技術分析

20-11本地語音識別

20-12網絡語音識別

20-13對抗網絡項目

20-14GAN原型講解

20-15DCGAN

20-16DiscoDAN

20-17半監督學習