课程亮点：

朝九晚九全程跟班答疑、一对一督学、定期直播串讲、五分钟内有问必答、出勤率和进度监督、作业与测试

学习目标：

熟练掌握数据库、Python等数据分析软件；

学会机器学习、深度学习；

熟练掌握数据清洗，可以完成缺失值填补、异常值处理等；

精通数据可视化，例如箱线图、动态图等；

掌握人工智能在各行业的应用场景；

可以独立完成数据项目；

可以独立完成数据报告撰写；

学会团队协作，分工完成大型项目。

课程内容：

01章Mysql数据库应用

01-01数据库概述及基本操作

01-02单表查询

01-03多表查询、子查询

01-04常用函数

01-05MySQL进阶练习

01-06电商案例

02章Excel业务数据分析

02-01Excel基础技能

02-02案例综合-人力考勤应用

02-03数据的分类汇总

02-04图表可视化

02-05图表应用案例一-零售分析仪

02-06图表应用案例二-财务分析

02-07分析方法

03章商业智能分析

03-01数据仓库概述及基本操作

03-02数据建模及汇总规则

03-03零售行业分析案例

03-04电商行业客户行为分析案例

03-05餐饮行业销售情况监控案例

03-06电商行业流量分析案例

03-07进销存分析案例

03-08汽车市场数据分析案例

03-09拓展业务分析案例

04章机器学习数学基础

04-01微积分

04-02线性代数

04-03描述性统计方法

04-04抽样估计

04-05假设检验

04-06列联分析

04-07相关分析

04-08回归分析

05章python编程

05-01python入门与安装

05-02python语法入门

05-03基本数据类型

05-04控制语句

05-05错误与异常

05-06常用内置函数

05-07函数创建与使用

05-08python高级特性

05-09python模块

05-10python IO操作

05-11日期与时间

05-12类和面向对象

05-13python连接数据库

06章Python数据清洗

06-01Numpy基础

06-02Pandas入门

06-03Pandas基本数据处理方法

06-04Pandas聚合与分组

06-05Python数据清洗高级操作及案例实战

07章Python数据可视化

07-01Python数据可视化入门

07-02MLlib(RDD-BaseAPI)机器学习

07-03MatPlotlib绘图高级参数

07-04高级绘图工具seaborn、pyecharts

08章Python统计分析

08-01数据分析及统计信息

08-02一元线性回归

08-03多元线性回归

08-04一般logistic回归

08-05logistic回归与修正

09章Python机器学习入门

09-01机器学习入门

09-02KNN

09-03模型评估方法（一）

09-04模型优化方法（一）

09-05Kmeans

09-06模型评估方法（二）

09-07DBSCAN

09-08决策树

09-09模型评估方法（三）

09-10案例实战：决策树在保险行业的应用

10章Python机器学习夯实基础

10-01线性回归

10-02模型优化方法（二）

10-03逻辑回归

10-04朴素贝叶斯

10-05模型优化方法（三）

10-06关联规则

10-07协同过滤

10-08案例实战：基于协同过滤的商品个性化推荐

11章Python机器学习成竹在胸

11-01集成算法之随机森林

11-02集成算法之AdaBoost

11-03数据处理和特征工程

11-04SVM

11-05神经网络

11-06XGBoost

11-07实战案例：基于XGboost的航空预测

12章数据分析项目报告撰写

12-01报告的预备工作

12-02报告的逻辑框架及结构

12-03常用分析模型及适用场景

12-04项目基本情况分析

12-05项目分析方法与过程

12-06具体报告撰写

13章算法综合案例一：评分卡

13-01案例背景介绍

13-02建模准备

13-03数据清洗及变量粗筛

13-04模型训练

13-05模型评估

13-06模型部署与更新

14章算法综合案例二：电商零售

14-01项目总体概览以及计划

14-02方法实现与结果

14-03营销活动设计以及结果评价

15章非关系型数据库MongoDB

15-01MongoDB简介

15-02MongoDB的常用操作

15-03MongoDB的使用

15-04python操作MongoDB

16章深度学习基础：复杂网络分析

16-01图论

16-02复杂网络的拓扑结构性质

16-03更多类型的网络

16-04复杂网络的演化

16-05复杂网络的功能

16-06案例：北京市快速轨道交通的有效性

16-07案例：社交网络数据分析

17章深度学习框架TensorFlow

17-01开发环境搭建

17-02TensorFlow基本数据结构

17-03TensorFlow实现代码结构和开发步骤——回归问题

17-04TensorFlow实现代码结构和开发步骤——分类问题

18章深度学习基础算法理论及实践

18-01AI概述和TensorFlow基础

18-02神经网络结构

18-03卷积神经网络

18-04RNN和LSTM

18-05手写数字识别的突破——卷积神经网络TensorFlow实现

19章深度学习高阶算法理论及实践

19-01判别网络

19-02生成网络

19-03对抗网络和增强学习

20章人工智能实战

20-01文本分析项目

20-02文本数据预处理

20-03文本分析应用与python语言实现

20-04图像识别项目

20-05深度学习与图像识别及经典数据集

20-06图像识别的突破——卷积神经网络

20-07使用卷积神经网络对经典数据集cifar进行分类识别

20-08使用自己的数据集训练卷积神经网络

20-09语音识别项目

20-10语音技术分析

20-11本地语音识别

20-12网络语音识别

20-13对抗网络项目

20-14GAN原型讲解

20-15DCGAN

20-16DiscoDAN

20-17半监督学习