01章Python编程基础知识
01-01数据分析的武器库
01-02数据分析工具Python介绍
01-03Python的基本数据类型
01-04Python的基本数据结构
01-05Python的程序控制
01-06Python的函数与模块
01-07Python日期和时间处理
01-08Python字符串处理与正则表达式
01-09Python异常处理和文件操作
01-10实战：基于Python的函数创建与商业实操
02章Mysql数据库基础[线上视频]
01-01Mysql数据库知识介绍
01-02Mysql数据库的基本操作
01-03Mysql数据表的基本操作
01-04Mysql数据类型和约束条件
01-05数据的CRUD操作之增加、删除、修改数据表
01-06SQL数据库单表查询和联合查询
01-07SQL操作符和函数
01-08SQL综合案例：彩票数据核对练习
01-09SQL综合案例：电商数据查询练习
03章Pandas数据清洗与数据整合
01-01Python数据分析工具库介绍
01-02科学计算工具numpy介绍
01-03Numpy数组基础
01-04Numpy数组的计算
01-05Pandas对象基础知识
01-06Pandas数据加载与存储
01-07Pandas数据预处理：缺失值、数据转换、字符串操作
01-08Pandas数据连接与数据合并
01-09Pandas数据聚合与分组操作
01-10Python连接数据库与Python SQL操作介绍
01-11实战：淘宝RFM客户价值分析案例
04章数据分析之统计学基础[线上视频]
01-01数据分析行业与知识简介
01-02概率论基础知识
01-03描述性统计分析
01-04统计量与抽样分布
01-05参数估计：点估计和区间估计
01-06假设检验方法
01-07方差分析的基本原理和操作
05章Python进行统计与回归分析
01-01统计学基本概念回顾
01-02Python实操 - 假设检验与单样本T检验
01-03Python实操 - 双样本T检验
01-04Python实操 - 方差分析
01-05Python实操 - 相关分析
01-06Python实操 - 卡方检验
01-07简单线性回归与多元线性回归
01-08多元线性回归的变量筛选
01-08线性回归诊断方法- 残差分析、强影响点分析、多重共线性分析
01-09正则化方法 - 岭回归和LASSO回归
01-10Logistic回归的相关关系分析
01-11Logistic回归模型及实现
01-12Logistic回归的极大似然估计
01-13Logistic回归模型评估方法 - ROC曲线
01-14案例：银行业 - 月均信用卡支出数据集
01-15案例：汽车业 - 汽车贷款违约数据集
06章Python进行降维与时间序列分析
01-01多元统计基础与变量约减的思路
01-02主成分分析方法
01-03因子分析模型与算法
01-04市场分析其他方法：对应分析（ Correspondence Analysis ）
01-05市场分析其他方法：多维尺度分析（ Multi-Dimensional Scaling，简称MDS ）
01-06认识时间序列分析方法
01-07简单时间序列分析
01-08平稳时间序列分析ARMA模型
01-09非平稳时间序列分析ARIMA模型
01-10实战：电信公司网络咨询电话呼入人数预测
07章使用Python进行网络爬虫[线上视频]
01-01网络爬虫基础知识
01-02网络请求及响应-requests库
01-03HTML文档解析-BeautifulSoup库
01-04常见反爬虫机制及应对
01-05网络爬虫 VS 网络数据抓取
01-06实战1：批量下载头像
01-07实战2：抓取豆瓣书籍简介
01-08实战3：模拟浏览器selenium抓取电商商品信息及评论
08章Python数据可视化[线上视频]
01-01绘图思想的基本原理
01-02Python数据可视化包-Matplotlib介绍
01-03使用Matplotlib进行基本的图形绘制
01-04使用Python数据处理包Pandas做可视化
01-05Python数据可视化包-Seaborn介绍与图形绘制
01-06Python数据可视化包-Pyecharts介绍与图形绘制
01-07使用Python进行地图绘制-Pyecharts
09章Python数据挖掘与预测型数据挖掘模型Part1
01-01数据挖掘概要
01-02数据挖掘的方法和原理
01-03数据挖掘基础和进阶技术概述
01-04数据预处理技术：字段选择-数据清洗-字段扩充-数据编码
01-05人工特征工程：特征构造 - 特征抽取 - 特征选择
01-06决策树建模思路
01-07Quinlan系列决策树(ID3、C4.5、C8.0)建模原理
01-08CART建模原理
01-09决策树模型修剪
01-10决策树模型效果评估
01-11实战：使用决策树进行初始信用评级
10章Python预测型数据挖掘模型Part2
01-01了解神经网络的基本概念
01-02明确人工神经网络结构
01-03神经元模型
01-04掌握BP神经网络学习算法
01-05多层感知器的scikit-learn代码实现
01-06贝叶斯公式与分类原理
01-07朴素贝叶斯的参数估计
01-08在Python中实现朴素贝叶斯
01-09KNN算法原理与Python代码实现
01-10线性可分与线性不可分
01-11线性可分的支持向量机
01-12线性支持向量机与软间隔最大化
01-13非线性支持向量机与核函数
01-14集成学习方法：Bagging、Boosting、随机森林
11章Python进行描述性数据挖掘模型
01-01聚类算法的概述
01-02聚类算法基本概念
01-03聚类模型的评估
01-04层次聚类原理与R实现
01-05基于划分的聚类K-means的原理及应用
01-06详谈基于密度的聚类方法与Python实现
01-07实战：通信客户业务使用偏好聚类
01-08关联规则的一些基本概念
01-09关联规则Ariori算法的原理与Python实现
01-10关联规则FP-growth算法
01-11序列模式的简介与概念
01-12序列模式AprioriAll算法与Python实现
01-13基于用户和商品的的协同过滤算法