01章Python編程基礎知識
01-01數據分析的武器庫
01-02數據分析工具Python介紹
01-03Python的基本數據類型
01-04Python的基本數據結構
01-05Python的程序控制
01-06Python的函數與模塊
01-07Python日期和時間處理
01-08Python字符串處理與正則表達式
01-09Python異常處理和文件操作
01-10實戰：基于Python的函數創建與商業實操
02章Mysql數據庫基礎[線上視頻]
01-01Mysql數據庫知識介紹
01-02Mysql數據庫的基本操作
01-03Mysql數據表的基本操作
01-04Mysql數據類型和約束條件
01-05數據的CRUD操作之增加、刪除、修改數據表
01-06SQL數據庫單表查詢和聯合查詢
01-07SQL操作符和函數
01-08SQL綜合案例：彩票數據核對練習
01-09SQL綜合案例：電商數據查詢練習
03章Pandas數據清洗與數據整合
01-01Python數據分析工具庫介紹
01-02科學計算工具numpy介紹
01-03Numpy數組基礎
01-04Numpy數組的計算
01-05Pandas對象基礎知識
01-06Pandas數據加載與存儲
01-07Pandas數據預處理：缺失值、數據轉換、字符串操作
01-08Pandas數據連接與數據合并
01-09Pandas數據聚合與分組操作
01-10Python連接數據庫與Python SQL操作介紹
01-11實戰：淘寶RFM客戶價值分析案例
04章數據分析之統計學基礎[線上視頻]
01-01數據分析行業與知識簡介
01-02概率論基礎知識
01-03描述性統計分析
01-04統計量與抽樣分布
01-05參數估計：點估計和區間估計
01-06假設檢驗方法
01-07方差分析的基本原理和操作
05章Python進行統計與回歸分析
01-01統計學基本概念回顧
01-02Python實操 - 假設檢驗與單樣本T檢驗
01-03Python實操 - 雙樣本T檢驗
01-04Python實操 - 方差分析
01-05Python實操 - 相關分析
01-06Python實操 - 卡方檢驗
01-07簡單線性回歸與多元線性回歸
01-08多元線性回歸的變量篩選
01-08線性回歸診斷方法- 殘差分析、強影響點分析、多重共線性分析
01-09正則化方法 - 嶺回歸和LASSO回歸
01-10Logistic回歸的相關關系分析
01-11Logistic回歸模型及實現
01-12Logistic回歸的極大似然估計
01-13Logistic回歸模型評估方法 - ROC曲線
01-14案例：銀行業 - 月均信用卡支出數據集
01-15案例：汽車業 - 汽車貸款違約數據集
06章Python進行降維與時間序列分析
01-01多元統計基礎與變量約減的思路
01-02主成分分析方法
01-03因子分析模型與算法
01-04市場分析其他方法：對應分析（ Correspondence Analysis ）
01-05市場分析其他方法：多維尺度分析（ Multi-Dimensional Scaling，簡稱MDS ）
01-06認識時間序列分析方法
01-07簡單時間序列分析
01-08平穩時間序列分析ARMA模型
01-09非平穩時間序列分析ARIMA模型
01-10實戰：電信公司網絡咨詢電話呼入人數預測
07章使用Python進行網絡爬蟲[線上視頻]
01-01網絡爬蟲基礎知識
01-02網絡請求及響應-requests庫
01-03HTML文檔解析-BeautifulSoup庫
01-04常見反爬蟲機制及應對
01-05網絡爬蟲 VS 網絡數據抓取
01-06實戰1：批量下載頭像
01-07實戰2：抓取豆瓣書籍簡介
01-08實戰3：模擬瀏覽器selenium抓取電商商品信息及評論
08章Python數據可視化[線上視頻]
01-01繪圖思想的基本原理
01-02Python數據可視化包-Matplotlib介紹
01-03使用Matplotlib進行基本的圖形繪制
01-04使用Python數據處理包Pandas做可視化
01-05Python數據可視化包-Seaborn介紹與圖形繪制
01-06Python數據可視化包-Pyecharts介紹與圖形繪制
01-07使用Python進行地圖繪制-Pyecharts
09章Python數據挖掘與預測型數據挖掘模型Part1
01-01數據挖掘概要
01-02數據挖掘的方法和原理
01-03數據挖掘基礎和進階技術概述
01-04數據預處理技術：字段選擇-數據清洗-字段擴充-數據編碼
01-05人工特征工程：特征構造 - 特征抽取 - 特征選擇
01-06決策樹建模思路
01-07Quinlan系列決策樹(ID3、C4.5、C8.0)建模原理
01-08CART建模原理
01-09決策樹模型修剪
01-10決策樹模型效果評估
01-11實戰：使用決策樹進行初始信用評級
10章Python預測型數據挖掘模型Part2
01-01了解神經網絡的基本概念
01-02明確人工神經網絡結構
01-03神經元模型
01-04掌握BP神經網絡學習算法
01-05多層感知器的scikit-learn代碼實現
01-06貝葉斯公式與分類原理
01-07樸素貝葉斯的參數估計
01-08在Python中實現樸素貝葉斯
01-09KNN算法原理與Python代碼實現
01-10線性可分與線性不可分
01-11線性可分的支持向量機
01-12線性支持向量機與軟間隔最大化
01-13非線性支持向量機與核函數
01-14集成學習方法：Bagging、Boosting、隨機森林
11章Python進行描述性數據挖掘模型
01-01聚類算法的概述
01-02聚類算法基本概念
01-03聚類模型的評估
01-04層次聚類原理與R實現
01-05基于劃分的聚類K-means的原理及應用
01-06詳談基于密度的聚類方法與Python實現
01-07實戰：通信客戶業務使用偏好聚類
01-08關聯規則的一些基本概念
01-09關聯規則Ariori算法的原理與Python實現
01-10關聯規則FP-growth算法
01-11序列模式的簡介與概念
01-12序列模式AprioriAll算法與Python實現
01-13基于用戶和商品的的協同過濾算法