标签：访问 统计 结构 一个 理解 thread 模型选择 相关分析 信念
课程目录：
第一课. “一天理解数据、数据分析和数据挖掘“。
基本概念：数据是什么；通过一个数据实例了解数据分析和数据挖掘的任务和过程；
理论知识点1：统计初步。（课时1-3）
第二课. “必先利其器”。
使用Python搭建初步的数据分析环境；数据结构；数据生成，载入和存储，数据库知识；
理论知识点2：概率和矩阵运算。（课时4-6）
第三课. “了解你的数据”。
数学建模：从实际业务到抽象模型的转换，变量的提取；对数据质量进行初步检验；数据预处理：数据清洗，数据变换，异常值处理，粒度变换，维度变换，离散化等。（课时7-9）
第四课. “理解你的数据”。
数据分析初步：描述性分析；数据分析初步：研究变量之间的关系；数据分析初步：图形和数据可视化，使用可视化进行探索式分析；再说数据质量：抽样；完善Python环境。（课时10-12）
第五课. “深入理解你的数据”。
数据分析进阶：基于假设检验的数据分析，相关、卡方、方差分析；对数据进行降维处理，PCA和SVD；
理论知识点3：假设检验，经典数据分析的框架。（课时13-15）
第六课. “解释与预测”。
回归分析--线性回归，用线性回归模型进行预测，实例-销售量预测；数据分析进阶：广义线性回归，当应变量的分布非正态分布时，实例-用户访问量的预测；
理论知识点4：模型选择。（课时16-18）
第七课. “发现数据蕴含的新模式1”。
数据挖掘初步：定义数据点之间的距离；实例，如何根据兴趣判断两个用户的契合度；构造新变量；KNN；
理论知识点5：模式识别初步。（课时19-21）
第八课. “新模式：数据之间蕴含的关联关系”。
事务型数据挖掘：挖掘频繁项集-电影、购物、图书数据，关联分析-Apriori算法，相关分析。（课时22-24）
第九课. “使用数据辅助决策”。
分类分析：决策树，案例-信用评级；朴素贝叶斯进行分类分析：案例-信用评级；贝叶斯信念网络、支持向量机等其他分类方法；
理论知识点6：再说模型选择（课时25-27）
第十课. “发现新模式2”。
聚类分析：基本概念、方法、和评价；基于划分的方法，案例-寻找客户类型；基于相关的方法，基于密度的方法；
理论知识点7：信息学初步（课时28-30）
第十一课. “不可二次踏入的河流”。
时间序列：金融、天气等数据的分析和挖掘；
理论知识点8：时间序列分析（课时31-33）
第十二课. “一个大招放倒自己”。
数据分析和挖掘综合案例（课时34-36）
下载地址：http://www.itsource.com.cn/thread-512-1-1.html
标签：访问 统计 结构 一个 理解 thread 模型选择 相关分析 信念
原文地址：http://www.cnblogs.com/zosimeritsource/p/7353477.html
