所有人都能学的 数据分析课

欢迎来到几米课堂✨！本次推出的《所有人都能学的数据分析课》，打破“数据分析有门槛”的刻板印象，用通俗易懂的讲解、零代码/低代码的实操方式，让职场新人、业务岗从业者、学生等不同身份的人都能掌握数据分析技能，用数据思维赋能工作与生活！

*   01 第一章 数据分析师职业概览/

  *   01 数据分析师的职业概览/

    *   01 数据分析师的“钱”景如何 (44.29 MB), 03:42

    *   02 什么人适合学数据分析 (65.39 MB), 05:23

    *   03 数据分析师的临界知识 (91.97 MB), 06:44

    *   04 数据分析师的主要职责 (97.32 MB), 07:12

*   02 第二章 数据分析和数据挖掘的概念和理论/

  *   00 资料/

    *   01 《所有人都能学的数据分析课》课后练习-答案提示.pdf (0.49 MB)

    *   02 所有人都能学的数据分析课--总结图谱.rar (0.10 MB)

    *   03 所有人都能学的数据分析师-授课讲义（pdf）.rar (21.22 MB)

    *   04 课程练习材料.rar (1.69 MB)

  *   01 基础概念/

    *   01 数据分析及数据挖掘定义 (136.01 MB), 07:54

    *   02 数据分析与数据挖掘的层次 (66.24 MB), 03:52

    *   03 数据分析及数据挖掘三要素 (240.66 MB), 18:55

    *   04 本节小结 (43.10 MB), 02:14

  *   02 探索性数据分析/

    *   01 如何描述业务量数据 (218.29 MB), 21:02

    *   02 可视化展示的原则 (20.93 MB), 01:43

    *   03 本节小结 (27.96 MB), 02:07

  *   03 预测和分类/

    *   01 预测和分类的概念模型、流程 (91.98 MB), 07:26

    *   02 分类和预测：线性回归 (143.93 MB), 13:20

    *   03 逻辑回归 (237.71 MB), 20:54

    *   04 决策树算法 (130.93 MB), 09:58

    *   05 支持向量机 (110.81 MB), 08:08

    *   06 朴素贝叶斯 (92.61 MB), 06:05

    *   07 本节小结 (27.13 MB), 02:09

  *   04 分群和降维/

    *   01 聚类算法的基本概念 (105.20 MB), 06:59

    *   02 层次聚类 (92.34 MB), 06:19

    *   03 K-means聚类 (78.35 MB), 06:14

    *   04 降维模型-PCA (64.97 MB), 05:19

    *   05 本节小结 (12.98 MB), 01:45

*   03 第三章 统计学基础和SPSS软件应用/

  *   01 描述性统计分析/

    *   01 统计分析的目的 (41.99 MB), 03:47

    *   02 统计分析的关键概念 (19.29 MB), 02:27

    *   03 四种测量尺度 (159.31 MB), 10:47

    *   04 集中趋势-均值 (62.20 MB), 05:49

    *   05 集中趋势-中位数和众数 (38.23 MB), 12:20

    *   06 离散趋势-极差和标准差 (139.42 MB), 09:54

    *   07 案例操作-如何实现离散趋势和集中趋势 (147.67 MB), 15:15

    *   08 本节小结 (7.72 MB), 00:56

  *   02 假设检验统计判断/

    *   01 统计学本质 (42.44 MB), 05:09

    *   02 统计学两大定理 (50.09 MB), 06:39

    *   03 统计推断-抽样误差与标准误 (17.67 MB), 07:52

    *   04 统计推断-t分布 (90.61 MB), 07:33

    *   05 统计判断-参数估计 (17.23 MB), 06:29

    *   06 统计推断—假设检验 (134.94 MB), 11:34

    *   07 本节小结 (22.30 MB), 02:48

  *   03 抽样方法/

    *   01 统计过程 (11.52 MB), 05:47

    *   02 抽样的概念 (7.97 MB), 02:20

    *   03 抽样方法与非抽样方法 (99.15 MB), 07:24

    *   04 抽样调查与普查的特点 (42.78 MB), 05:41

    *   05 非抽样误差 (15.46 MB), 06:03

    *   06 非抽样误差的三种类型 (48.07 MB), 16:03

    *   07 无回答误差的处理 (5.39 MB), 02:38

    *   08 抽样过程 (13.85 MB), 05:21

    *   09 抽样单元与抽样框 (27.83 MB), 03:02

    *   10 抽样形式 (25.12 MB), 07:27

    *   11 概率抽样-简单随机抽样和系统抽样 (56.76 MB), 13:27

    *   12 概率抽样-PPS抽样 (122.07 MB), 08:45

    *   13 概率抽样-分层抽样 (25.63 MB), 07:10

    *   14 非概率抽样-区域抽样、时间抽样和电话抽样 (69.93 MB), 14:41

    *   15 本节小结 (24.08 MB), 02:14

  *   04 一般线性模型/

    *   01 t检验 (27.57 MB), 11:15

    *   02 t检验-案例实践 (101.87 MB), 19:53

    *   03 F检验 (40.31 MB), 10:16

    *   04 F检验-案例实践 (105.23 MB), 21:49

    *   05 相关分析 (28.51 MB), 14:47

    *   06 相关分析-案例实践 (48.40 MB), 05:42

    *   07 线性回归 (48.21 MB), 14:18

    *   08 线性回归-案例实践 (99.31 MB), 18:55

    *   09 本节小结 (50.34 MB), 05:15

*   04 第四章 数据预处理基础/

  *   01 数据分析前的准备工作/

    *   01 统计工作流程 (30.76 MB), 12:06

    *   02 统计准备工作 (105.36 MB), 06:53

    *   03 数据检查要点 (160.81 MB), 09:32

    *   04 开放题的准备 (183.51 MB), 14:44

    *   05 本节小结 (12.30 MB), 01:52

  *   02 数据清洗/

    *   01 数据清洗的概念和流程 (42.06 MB), 05:12

    *   02 字段选择与数据质量报告 (105.98 MB), 07:13

    *   03 数据清洗主要工作 (115.67 MB), 11:25

    *   04 错误值和异常值处理方法 (150.55 MB), 11:30

    *   05 缺失值处理方法 (245.66 MB), 14:47

    *   06 异常值和缺失值的处理操作 (180.77 MB), 16:06

    *   07 本节小结 (12.36 MB), 01:35

  *   03 数据规范化/

    *   01 数据转化 (247.64 MB), 12:44

    *   02 数据离散化与数据扩充 (162.17 MB), 11:50

    *   03 数据合并与拆分 (180.97 MB), 20:32

    *   04 本节小结 (6.18 MB), 00:52

*   05 第五章 Mysql教程/

  *   01 SQL简介/

    *   01 SQL简介 (86.44 MB), 06:14

    *   02 建立数据库 (75.90 MB), 06:13

    *   03 建立数据表和约束条件 (107.58 MB), 09:20

    *   04 插入和更改 (115.30 MB), 09:53

    *   05 本节小结 (10.61 MB), 01:43

  *   02 基本查询语句/

    *   01 基本查询语句 (167.60 MB), 13:17

    *   02 本节小结 (7.25 MB), 01:15

  *   03 交叉查询和子查询/

    *   01 聚合函数和交叉查询；group by (125.73 MB), 09:01

    *   02 子查询（in、not in）&模糊匹配 Like (152.29 MB), 10:44

    *   03 本节小结 (3.35 MB), 00:35

  *   04 练表查询/

    *   01 连表查询 (260.05 MB), 18:18

    *   02 本节小结 (15.10 MB), 01:23

  *   05 相关函数/

    *   01 控制流函数 (222.69 MB), 14:25

    *   02 时间函数 (132.28 MB), 09:27

    *   03 常用字符串相关的函数 (107.17 MB), 06:54

*   06 第六章 Excel分析及可视化/

  *   01 Excel简介/

    *   01 Excel简介 (59.20 MB), 04:46

  *   02 Excel函数技巧/

    *   01 函数的简介 (88.38 MB), 05:24

    *   02 查找函数—vlookup和hlookup (219.55 MB), 15:48

    *   03 查找函数—INDEX和MATCH (53.17 MB), 16:08

    *   04 统计函数 (264.45 MB), 15:55

    *   05 逻辑函数(上)-if、and和or (130.43 MB), 09:48

    *   06 逻辑函数（下） (119.54 MB), 08:19

    *   07 日期函数和文本函数 (199.89 MB), 13:22

    *   08 本节小结 (22.74 MB), 01:53

  *   03 Excel快速处理技巧/

    *   01 宏的技巧 (278.26 MB), 22:52

    *   02 数据透视表和选择性粘贴 (195.31 MB), 14:50

    *   03 格式调整技巧 (157.49 MB), 12:16

    *   04 查找和定位&数据有效性技巧 (292.08 MB), 22:36

    *   05 快捷键相关技巧 (67.63 MB), 05:03

    *   06 本节小结 (25.57 MB), 01:48

  *   04 Excel可视化技巧/

    *   01 如何制作一张图 (163.16 MB), 13:33

    *   02 组合图的做法 (160.09 MB), 12:55

    *   03 条形图的变体 (139.88 MB), 11:13

    *   04 数据气泡地图的做法 (101.06 MB), 08:08

    *   05 本节小结 (8.10 MB), 01:14

*   07 第七章 进阶统计学/

  *   01 多变量分析方法选择思路/

    *   01 多变量分析方法的选择 (89.48 MB), 21:06

    *   02 无监督分析和有监督分析 (37.82 MB), 11:53

    *   03 无监督分析的原则 (40.99 MB), 04:06

  *   02 因子分析/

    *   01 因子分析使用场景 (32.04 MB), 10:34

    *   02 因子的概念及分析过程 (77.38 MB), 06:40

    *   03 因子数的推定 (69.24 MB), 04:25

    *   04 因子轴的旋转 (62.60 MB), 05:08

    *   05 因子解释及因子得分计算 (56.65 MB), 04:22

    *   06 案例实践 (133.36 MB), 26:12

    *   07 如何用因子分析做评价 (93.96 MB), 05:47

  *   03 聚类分析/

    *   01 聚类分析使用场景 (128.16 MB), 11:17

    *   02 聚类分析算法 (86.20 MB), 10:20

    *   03 非层次法聚类K-means (119.99 MB), 10:19

    *   04 K-means-案例实践 (240.42 MB), 27:28

    *   05 二阶聚类 (35.59 MB), 04:23

  *   04 对应分析/

    *   01 对应分析使用目的及结果解读 (103.47 MB), 07:19

    *   02 对应分析案例实践 (138.77 MB), 15:34

  *   05 多维尺度分析/

    *   01 概念和使用场景 (32.67 MB), 02:41

    *   02 多维尺度分析举例 (86.16 MB), 07:40

    *   03 案例1：根据学生评分进行分座位 (140.60 MB), 16:12

    *   04 案例2：根据学生考试成绩进行分座位 (61.74 MB), 13:08

    *   05 案例3：根据手机的相似度判断竞争力 (29.47 MB), 06:12

    *   06 多维尺度的不足及替代方法 (30.11 MB), 03:43

  *   06 时间序列分析/

    *   01 时间序列使用场景 (8.12 MB), 03:20

    *   02 两种类型的时间序列 (7.51 MB), 02:26

    *   03 时间序列模型ARIMA (12.30 MB), 04:27

    *   04 时间序列中的处理方法 (103.58 MB), 09:45

    *   05 案例实践—某连锁超市销售额影响因素预测 (164.40 MB), 17:48

  *   07 Logistic/

    *   01 使用场景和理论背景 (22.62 MB), 08:25

    *   02 Logisitic案例实践-用户流失的影响因素及新用户预测 (110.20 MB), 26:57

*   08 第八章 经典数据挖掘算法/

  *   01 数据挖掘基础及数据分层抽样/

    *   01 生活中熟悉的数据挖掘案例 (34.75 MB), 06:40

    *   02 数据准备及数据分割方式 (13.40 MB), 02:14

    *   03 数据分析与数据挖掘的联系与区别 (90.67 MB), 09:24

    *   04 Modeler软件介绍 (47.33 MB), 05:30

    *   05 如何在Modeler实现数据分层抽样 (154.50 MB), 17:29

  *   02 朴素贝叶斯/

    *   01 朴素贝叶斯原理 (83.23 MB), 10:11

    *   02 朴素贝叶斯算法过程 (37.63 MB), 06:06

    *   03 朴素贝叶斯算法举例 (62.36 MB), 06:02

    *   04 朴素贝叶斯算法优点及不足 (120.37 MB), 07:58

    *   05 案例实践-使用贝叶斯网络建模 (103.18 MB), 10:33

  *   03 决策树/

    *   01 决策树应用场景 (4.85 MB), 02:02

    *   02 决策树算法（1）—ID3 (25.62 MB), 11:04

    *   03 决策树算法（2）—C4.5 (48.83 MB), 05:23

    *   04 决策树算法（3）—回归树CART (54.19 MB), 06:48

    *   05 决策树算法（4）-CHAID (13.92 MB), 05:13

    *   06 防止过度拟合的问题 (7.95 MB), 03:26

    *   07 使用Modeler如何做决策树 (152.09 MB), 17:34

  *   04 神经网络/

    *   01 神经网络的组成 (94.12 MB), 10:12

    *   02 计算误差函数，修正初始权重 (32.74 MB), 04:15

    *   03 神经网络与其他分析的关系 (19.22 MB), 02:07

    *   04 案例实践 (30.60 MB), 03:41

  *   05 支持向量机/

    *   01 支持向量机原理介绍 (22.64 MB), 02:21

    *   02 线性可分与线性不可分 (14.28 MB), 06:42

    *   03 案例实践 (64.66 MB), 05:41

  *   06 集成算法和模型评估/

    *   01 集成算法的目的与方式 (16.73 MB), 02:54

    *   02 Bagging与Boosting的计算原理 (180.06 MB), 13:59

    *   03 根据混淆矩阵进行模型评估 (42.75 MB), 04:09

    *   04 在Modeler中画出GAIN曲线图和Lift曲线图 (21.42 MB), 02:27

    *   05 学习资料拓展 (29.71 MB), 03:03

*   09 第九章 R语言入门及基础分析/

  *   01 R语言基础操作/

    *   01 初识R语言 (130.90 MB), 09:47

    *   02 R语言的基本操作 (154.58 MB), 12:34

    *   03 R语言的数据结构介绍 (105.92 MB), 07:56

    *   04 向量和矩阵的基本操作 (299.14 MB), 26:24

    *   05 数据框的操作 (359.26 MB), 24:58

    *   06 循环控制流—for&whlie (114.99 MB), 08:44

    *   07 条件选择控制流-if (72.34 MB), 06:27

    *   08 自定义函数 (81.37 MB), 06:17

    *   09 R语言关于概率分布的函数及应用介绍 (217.44 MB), 15:21

    *   10 离散随机变量分布和连续随机变量分布 (287.83 MB), 17:20

  *   02 R语言描述性数据分析/

    *   01 探索性数据分析—集中趋势和离中趋势 (232.55 MB), 18:21

    *   02 探索性数据分析—相关系数及函数介绍 (257.23 MB), 16:38

    *   03 探索性数据分析—假设检验 (45.80 MB), 08:14

  *   03 R语言回归算法/

    *   01 回归基本算法及相关函数介绍（上） (384.81 MB), 31:04

    *   02 回归基本算法及相关函数介绍（下） (287.64 MB), 21:45

    *   03 模型选择 (215.80 MB), 12:31

    *   04 回归诊断 (395.50 MB), 27:57

  *   04 R语言分类算法/

    *   01 逻辑回归（上） (354.70 MB), 25:15

    *   02 逻辑回归（下） (458.77 MB), 41:00

    *   03 决策树算法 (71.35 MB), 09:56

    *   04 决策树的剪枝 (238.92 MB), 23:07

    *   05 随机森林 (360.26 MB), 26:01

  *   05 R语言聚类和降维/

    *   01 使用R如何实现层次聚类 (492.13 MB), 31:38

    *   02 使用R如何实现kmeans聚类法 (104.91 MB), 08:03

    *   03 如何判定聚类的好坏 (181.73 MB), 14:56

    *   04 使用R如何实现PCA降维算法 (359.72 MB), 24:33

*   10 第十章 Python入门及基础分析/

  *   01 概述与基本操作/

    *   01 课程与开发环境简介 (84.77 MB), 06:47

    *   02 帮助文档的获取&基础操作 (246.08 MB), 18:59

    *   03 基础操作：整数、小数、复数&列表、字符串、字典 (128.05 MB), 10:51

    *   04 控制流函数 (236.24 MB), 19:16

    *   05 自定义函数 (126.55 MB), 09:49

    *   06 Jupyter常用快捷键以及自动补全功能的实现 (63.85 MB), 06:23

    *   07 本节小结 (10.06 MB), 01:05

  *   02 Numpy/

    *   01 从头创建一个数组 (241.43 MB), 17:35

    *   02 案例实践-如何实现99乘法表和老虎机 (119.85 MB), 09:24

    *   03 数组的操作 (149.03 MB), 12:17

    *   04 数组的计算 (87.01 MB), 07:05

    *   05 数组的广播 (184.22 MB), 15:47

    *   06 比较、掩码和布尔逻辑 (120.50 MB), 10:37

  *   03 Pandas/

    *   01 序列和数据框 (102.83 MB), 07:36

    *   02 索引和切片 (111.52 MB), 08:48

    *   03 通过索引运算和生成新的列 (46.68 MB), 03:21

    *   04 文件的读取和写入 (69.12 MB), 05:34

    *   05 缺失值处理 (112.56 MB), 09:46

    *   06 数据连接 (154.52 MB), 12:30

    *   07 分组和聚合 (97.59 MB), 07:48

    *   08 数据透视表 (132.50 MB), 10:59

    *   09 字符串的处理 (49.72 MB), 04:09

    *   10 本节小结 (11.61 MB), 00:52

  *   04 Matplotlib与python作图/

    *   01 基础作图—折线图和散点图 (206.03 MB), 16:38

    *   02 基础作图—直方图和饼图 (103.06 MB), 08:31

    *   03 图表设置--子图和图例 (99.54 MB), 08:36

    *   04 图表设置—标签、表格样式和cmap (218.50 MB), 18:24

    *   05 高级作图 (181.25 MB), 15:14

    *   06 本节小结 (2.68 MB), 00:23

  *   05 Sklearn与机器学习基础/

    *   01 线性回归 (115.69 MB), 08:41

    *   02 逻辑回归的原理、模型实现与正则化 (233.97 MB), 15:25

    *   03 逻辑回归的模型的评估以及最优迭代次数 (216.60 MB), 18:17

    *   04 贝叶斯分类器的实现过程 (71.20 MB), 07:28

    *   05 朴素贝叶斯算法案例-手写数字识别 (47.06 MB), 03:47

    *   06 数据预处理 (323.02 MB), 21:32

    *   07 决策树和随机森林—熵和决策树 (93.08 MB), 09:41

    *   08 决策树和随机森林算法对比 (106.08 MB), 08:57

    *   09 随机森林的调参 (233.73 MB), 14:58

    *   10 支持向量机—核函数 (153.37 MB), 13:15

    *   11 支持向量机是如何防止过拟合的 (102.36 MB), 09:13

    *   12 如何使用Python实现PCA降维算法 (239.89 MB), 16:51

    *   13 如何使用Python实现Kmeans聚类 (87.65 MB), 07:04

    *   14 本节小结 (32.76 MB), 04:15

*   11 第十一章 如何撰写数据分析报告（新增内容！）/

  *   01 为什么要写数据分析报告/

    *   01 数据分析报告的目的 (11.43 MB), 05:51

    *   02 数据分析报告的三要素 (12.83 MB), 05:56

  *   02 如何撰写数据分析报告/

    *   01 报告内容的风格 (24.27 MB), 07:22

    *   02 报告的内在逻辑（核心！！！） (83.46 MB), 19:01

    *   03 报告的标题 (33.77 MB), 09:01

  *   03 如何提升数据分析报告的颜值/

    *   01 如何提升报告的颜值 (63.71 MB), 16:42

  *   04 报告实例分析/

    *   01 案例报告分析 (196.73 MB), 08:53

  *   05 本章小结/

    *   01 本章小结 (45.97 MB), 06:10

*   12 第十二章 课程总结图谱/

  *   01 课程总结图谱/

    *   01 课程总结 (108.36 MB), 25:52