📚 课程介绍
本课程旨在培养数据分析工程师的实际操作能力，通过实战项目深入掌握数据分析全流程，包括数据清洗、预处理、建模、分析和可视化等。
📋 学习前提
1. Python编程基础（了解Python语言和基本语法） 2. 数据分析基础（熟悉数据分析和数据挖掘的基本概念） 3. NumPy、Pandas和Matplotlib库使用（了解数据分析和可视化的常用库）
📖 课程目录
第1章 数据分析实战-前奏
1-1 数据分析课程导学
1-2 数据分析工程师的进阶指南
第3章 数据分析思维拓展-间奏一
3-1 对比分析和分类分析思路与应用场景
3-2 时间序列分析思路与应用场景
3-3 实战：淘宝电商商品销量数据分析
3-4 逻辑树分析思路与应用场景
3-5 多维度拆解分析思路与应用场景
3-7 多个变量间的相关性分析与应用场景
3-8 RFM模型实现精细化用户运营
3-9 如何使用AARRR模型对用户进行分层
3-10 抖音、QQ浏览器、百度APP的用户画像差异
3-11 用户画像：如何真正了解用户需求
3-12 用户画像：如何真正了解用户需求
第4章 数据分析算法应用-间奏二
4-1 从决策树到GBDT的优化（一）
4-2 从决策树到GBDT的优化（二）
4-3 信用卡客户贷款违约预测实战（一）
4-4 信用卡客户贷款违约预测实战（二）
4-5 kmeans无监督聚类的强大
4-6 红楼梦文本聚类实战
4-7 关联规则分析应用
4-8 经典模型支持向量机
4-9 超强拟合能力的神经网络
4-10 预测服装厂员工生产效率（一）
4-11 预测服装厂员工生产效率（二）
第5章 数据分析项目实战
5-1 慕课数据分析中级项目数据
第6章 数据挖掘模型应用-主歌一
6-1 问题理解与评估指标
6-2 数据探索性分析（EDA）
6-3 特征工程的重要性
6-4 如何选择合适的模型
6-5 进行模型高阶实践
第7章 APP活跃用户预测（模型）项目实战-主歌二
7-1 实战案例准备工作
7-2 数据获取和数据预处理
7-3 用户行为数据分析和可视化
7-4 滑窗法扩充训练集数据
7-5 构建描述用户的特征
7-6 构建描述拍客的特征
7-7 选择有价值的特征
7-8 使用树模型三剑客
7-9 构建模型差异性进行融合
