15天入门互联网数据分析

课程简介:

教你完整的数据分析流程和工作方法,手把手带你用Excel完成基本数据分析操作,教你写好一份数据报告,更通过导师亲身经历的多个数据驱动运营实战案例分享,教你如何在常见问题的分析中建立数据驱动思维。
[code]官方课程链接:https://vip.qidianla.com/course/detail/n9hq8.html[/code]

课程目录:

00.开刊词:为什么有这门课以及你将收成什么
01.开课仪式
02.第一章数据剖析是什么
— 01.数据剖析是什么?
03.第二章数据剖析的流程
— 01.数据剖析的流程
04.第三章怎么做数据剖析
— 01.数据类型及数据收集和整理办法
— 02.怎么构建全面的数据剖析系统
— 03.常用的数据剖析框架
— 04.常用的数据剖析办法
05.第四章怎么通过EXCEL快速实现数据剖析
— 01.Excel 操作办法一数据处理
— 02.Excel 操作办法一数据剖析
— 03.Excel 操作办法一展示
06.第五章数据驱动运营实例
— 1.渠道效果剖析
— 2.优惠券剖析
— 3.用户留存剖析
— 4.商品剖析
07.第六章数据陈述编撰
— 1.类型、思路及展示
— 2.数据陈述编撰事例
08.结课仪式

课程截图:

Python数据分析实战

课程简介:

·跟小蚊子学数据分析–Python数据分析实战,简单、实用的Python数据分析视频教程。
·主要介绍Python在数据处理、数据分析、数据可视化方面常用的实战方法与技巧。
·本课程目的是帮助学员提升工作效率及效果,增强职场竞争力。
[code]官方课程链接:https://study.163.com/course/introduction.htm?courseId=1103001[/code]

课程目录:

章节1:Python与数据分析概况
课时1课程学习指南
课时2数据分析概况
课时3Python概况

章节2:Python安装
课时4安装Anaconda
课时5使用Anaconda

章节3:数据准备
课时6数据类型
课时7数据结构
课时8向量化运算

章节4:数据处理
课时9数据导入
课时10数据导出
课时11重复值处理
课时12缺失值处理
课时13空格值处理
课时14字段抽取
课时15字段拆分
课时16记录抽取
课时17随机抽样
课时18记录合并
课时19字段合并
课时20字段匹配
课时21简单计算
课时22数据标准化
课时23数组分组
课时24时间处理
课时25时间抽取
课时26虚拟变量

章节5:数据分析
课时27基本统计
课时28分组分析
课时29分布分析
课时30交叉分析
课时31结构分析
课时32相关分析
课时33RFM分析
课时34矩阵分析

章节6:数据可视化
课时35散点图
课时36折线图
课时37饼图
课时38柱形图
课时39直方图
课时40地图
课时41热力地图

课程截图:

《Python数据分析》升级版第二期

课程简介:

本期课程在《Python数据分析》升级版的基础上,主要新增了探索性数据分析(Exploratory Data Analysis,EDA)、金融数据量化分析及深度学习基础等三大数据分析工具,覆盖了时下最前沿的数据分析技术。具体新增内容如下:

新增探索性数据分析,更好地结合数据可视化发掘数据的模式与特点
新增金融数据量化分析,更好地结合时间序列分析探索金融数据的发展趋势
新增深度学习基础,更好地结合机器学习探索人工智能的技术趋势
升级并调整全部随课项目,并提供更详细的分析步骤
系统性地将相关章节的项目整理成一个完整的项目,使学员能够更加充分地理解数据分析的流程和步骤

[code]官方课程链接:http://www.chinahadoop.cn/course/937[/code]

课程目录:

第一课 工作环境准备及数据分析建模理论基础 (2-3课时)
1. 课程介绍
2. 数据分析的基本概念
3. Python简介和环境部署
4. NumPy数据结构及向量化
5. 数据分析建模理论基础
a. 机器学习基础

b. 数据分析建模过程
c. 常用的数据分析建模工具
6. 实战案例1:使用Python实现蒙特卡洛模拟的期权估值

第二课 数据分析工具Pandas (2-3课时)
1. Pandas的数据结构
2. Pandas的数据操作
a. 数据的导入、导出
b. 数据的过滤筛选
c. 索引及多重索引
3. Pandas统计计算和描述
4. 数据的分组与聚合
5. 数据清洗、合并、转化和重构
6. 实战案例2-1:Lending Club借贷数据处理及初步分析

第三课 探索性数据分析(EDA)及数据可视化 (2-3课时)
1. 什么是EDA
2. 探索单变量、多变量的关系及其可视化
3. 3D绘图
4. 实战案例2-2:Lending Club借贷数据探索性分析及可视化

第四课 机器学习及scikit-learn(2-3课时)
1. 机器学习基本概念与流程
2. Python机器学习库scikit-learn
3. 常用评价指标
4. 分类预测模型– Logistic回归与Softmax回归
5. 实战案例2-3:Lending Club借贷违约预测

第五课 金融数据分析(1)–金融时间序列(2-3课时)
1. Pandas的时间处理及操作
2. 金融数据
3. 金融学图表
4. 高频数据分析
5. 实战案例3-1:股票收益率回归分析

第六课 金融数据分析(2)–量化分析 (2-3课时)量化分析基础
1. 量化策略建模流程及回测
2. 常用量化分析指标及框架
3. TA-Lib金融软件工具
4. 实战案例3-2:多因子策略模型

第七课 图像数据处理及分析 (2-3课时)
1. 基本的图像操作和处理
2. 常用的图像特征描述
3. 聚类模型:K-Means
4. 实战案例4:电影海报主色调聚类分析

第八课 深度学习及TensorFlow (2-3课时)
1. 人工神经网络及深度学习
2. TensorFlow框架学习及使用
3. TensorFlow实现卷积神经网络
4. 实战案例5:基于TensorFlow的101类图像识别(Caltech101)

第九课 文本数据分析 (2-3课时)
1. Python文本分析工具NLTK
2. 情感分析与文本分类
3. TensorFlow实现文本深度表示模型Word2Vec
4. 分类与预测模型– 朴素贝叶斯
5. 实战案例6:搜狐新闻数据分类

第十课 项目实战(2-3课时)
1. 交叉验证及参数调整
2. 特征降维与特征选择
3. 实战案例7:根据日常新闻预测股市动向
4. 课程总结

课程截图: