數據分析與數據挖掘

第一天上午：統計分析原理

1、  從最簡單的案例開始

2、  統計基礎

3、  描述性統計

4、  用SPSS實現描述性統計的案例

5、  回歸分析：線性回歸

6、  回歸分析：logistics回歸

7、  用SPSS實現回歸分析的案例

8、  可視化工具

第一天下午：數據庫與數據倉庫介紹

1、  數據庫概述

2、  SQL（基本的增、刪、改、查）

3、  SQL（稍復雜的子句或嵌套）

4、  基于MySQL的上機操作SQL語言

5、  數據倉庫：度量與維度

6、  數據倉庫：星型模型、雪花模型

7、  ETL

8、  上機操作（構建一個cube）

第二天上午：數據挖掘方法（1）

1、  基本概念

2、  R語言簡介

3、  特征提取

4、  決策樹模型

5、  用R語言實現的決策樹案例

6、  精確率、召回率與F1

7、  監督學習和無監督學習

第二天下午：數據挖掘方法（2）

1、  聚類分析

2、  用R語言實現的聚類分析案例

3、  關聯規則

4、  用R語言實現的關聯規則案例

5、  神經網絡

6、  用R語言實現的神經網絡案例

第一天上午：統計分析原理

1、  從最簡單的案例開始

2、  統計基礎

3、  描述性統計

4、  用SPSS實現描述性統計的案例

5、  回歸分析：線性回歸

6、  回歸分析：logistics回歸

7、  用SPSS實現回歸分析的案例

8、  可視化工具

第一天下午：數據庫與數據倉庫介紹

1、  數據庫概述

2、  SQL（基本的增、刪、改、查）

3、  SQL（稍復雜的子句或嵌套）

4、  基于MySQL的上機操作SQL語言

5、  數據倉庫：度量與維度

6、  數據倉庫：星型模型、雪花模型

7、  ETL

8、  上機操作（構建一個cube）

第二天上午：數據挖掘方法（1）

1、  基本概念

2、  R語言簡介

3、  特征提取

4、  決策樹模型

5、  用R語言實現的決策樹案例

6、  精確率、召回率與F1

7、  監督學習和無監督學習

第二天下午：數據挖掘方法（2）

1、  聚類分析

2、  用R語言實現的聚類分析案例

3、  關聯規則

4、  用R語言實現的關聯規則案例

5、  神經網絡

6、  用R語言實現的神經網絡案例