你将获得

1. 数据分析核心概念和工具；

2. 数据采集、清洗、分析方法论；

3. 10 大数据挖掘算法精讲；

4. Kaggle 实战项目练习。

课程介绍

数据一直都有，但我们从未像现在这样需要数据，渴望数据，因为大数据已经改变了我们思考和决策的方式，并正在创造未来。当下，几乎每个人和每个公司都需要具备数据分析的能力，只有这样，我们才能真正参与到这个海量数据崛起的时代。

但是，说到数据分析和数据挖掘，很多人都是心向往之，却总是望而却步：

• 要学的东西太多了，从统计学到 SQL，从 Python 到 R 语言，听着就累；

• 感觉太难了，数据挖掘算法根本学不明白，真叫人头大；

• 也学了不少东西，但觉得很理论，完全不知道该怎么用。

确实，数据挖掘和数据分析有一些门槛，但是和学习任何新东西一样，它也需要更加高效的方法。事实上，你只需要熟悉数据从采集、清洗到集成的准备过程，掌握最核心的十个数据挖掘算法，重视对工具的熟练使用，从一个个小项目做起，快速积累经验，你就能拥有数据分析这项新技能，有能力真正把数据转化成财富，创造价值。

为此，我们邀请了陈旸来为你讲解数据分析，帮你攻破它。

陈旸，清华大学计算机博士，前 IBM 中国研究院工程师。IEEE & ACM Member，中国人工智能协会成员，中国计算机协会 CCF 大数据专委。

在这个专栏里，他将结合自己的学习体会和实践经验，带你由浅入深掌握数据分析的核心知识点，并且结合案例手把手教你从源头上认识数据分析，熟悉对应的工具操作。同时，为了帮助你融会贯通，专栏还设计了专属题库，保证你能够即学即用。

专栏模块

专栏分为 5 大模块。

预习篇

介绍数据分析的全景图和最佳学习路径。此外还有 3 篇 Python 入门内容，分别是 Python 的基本语法和两大工具 NumPy、Pandas，帮助你快速上手。

基础篇

帮你梳理数据分析的流程，了解数据分析的方方面面。包括数据分析的基础概念、数据采集、数据处理以及数据可视化。

算法篇

算法是数据挖掘的精华所在，也是专栏的重点内容。专栏精选 10 大算法，包括分类、聚类和预测三大类型。每个算法都从原理和案例两个角度学习，帮助你快速理解和应用。

实战篇

理论是铠甲，落实在项目，进行实战才是我们的目标。专栏里精选了 5 个项目，让你在实操中深入理解数据分析，体验数据思维。

工作篇

面试通向数据分析工程师的最后一步，所以这一模块会告诉你面试时需要注意什么，职位的晋升路径又是怎样的？帮你打通最后一关。

课程目录：

开篇词你为什么需要数据分析能力
01 数据分析全景图及修炼指南
02 学习数据挖掘的最佳路径是什么？
03 Python基础语法：开始你的Python之
04 Python科学计算：用NumPy快速处理数据
05 Python科学计算：Pandas
06 学数据分析要掌握哪些基本概念？
07 用户画像标签化就是数据的抽象能力
08 数据采集如何自动化采集数据？
09 数据采集如何用八爪鱼采集微博上的“D&G”评论
10 Python爬虫如何自动化下载王祖贤海报？
11 数据科学家80%时间都花费在了这些清洗任务上
12 数据集成这些大号一共20亿粉丝
13数据变换：考试成绩要求正态分布合理么？
14 数据可视化：掌握数据领域的万金油技能
15一次学会Python数据可视化的10种技能
16 数据分析基础篇答疑
17 决策树（上）要不要去打篮球？决策树来告诉你
18决策树（中）CAR一棵是回归树，另一棵是分类树
19 决策树（下）：泰坦尼克乘客生存预测
20 朴素贝叶斯分类（上）：如何让机器判断男女？
21 朴素贝叶斯分类（下）：如何对文档进行分类？
22 SVM（上）：如何用一根棍子将蓝红两色球分开？
23 SVM（下）：如何进行乳腺癌检测？
24 KNN（上）：如何根据打斗和接吻次数来划分电影类型？
25 KNN（下）：如何对手写数字进行识别？
26 K-Means（上）：如何给20支亚洲球队做聚类？
27 K-Means（下）：如何使用K-Means对图像进行分割？
28 EM聚类（上）：如何将一份菜等分给两个人？
29 EM聚类（下）：用EM算法对王者荣耀英雄进行划分
30关联规则挖掘（上）如何用Apriori发现用户购物规则？
31 关联规则挖掘（下）导演如何选择演员
32 PageRank（上）：搞懂Google的PageRank算法
33 PageRank（下）：分析希拉里邮件中的人物关系
34 AdaBoost（上）：如何使用AdaBoost提升分类器性能？
35AdaBoost（下）如何使用AdaBoost对房价进行预测？
36 数据分析算法篇答疑
37 数据采集实战：如何自动化运营微博？
38 数据可视化实战：如何给毛不易的歌曲做词云展示？
39 数据挖掘实战（1）：信用卡违约率分析
40 数据挖掘实战（2）：信用卡诈骗分析[]
43 深度学习（下）：如何用Keras搭建深度学习网络做手写数字识别？
44 如何培养你的数据分析思维？
45 求职简历中没有相关项目经验，怎么办？
加餐在社交网络上刷粉刷量，技术上是如何实现的？
结束语 当大家都在讲知识和工具的时候，我更希望你重视思维和实战