第一天上午：統(tǒng)計分析原理

1、  從最簡單的案例開始

2、  統(tǒng)計基礎

3、  描述性統(tǒng)計

4、  用SPSS實現(xiàn)描述性統(tǒng)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(xiàn)回歸分析的案例

8、  可視化工具

第一天下午：數(shù)據(jù)庫與數(shù)據(jù)倉庫介紹

1、  數(shù)據(jù)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(shù)據(jù)倉庫：度量與維度

6、  數(shù)據(jù)倉庫：星型模型、雪花模型

7、  ETL

8、  上機操作（構(gòu)建一個cube）

第二天上午：數(shù)據(jù)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(xiàn)的決策樹案例

6、  精確率、召回率與F1

7、  監(jiān)督學習和無監(jiān)督學習

第二天下午：數(shù)據(jù)挖掘方法（2）

1、  聚類分析

2、  用R語言實現(xiàn)的聚類分析案例

3、  關聯(lián)規(guī)則

4、  用R語言實現(xiàn)的關聯(lián)規(guī)則案例

5、  神經(jīng)網(wǎng)絡

6、  用R語言實現(xiàn)的神經(jīng)網(wǎng)絡案例

第一天上午：統(tǒng)計分析原理

1、  從最簡單的案例開始

2、  統(tǒng)計基礎

3、  描述性統(tǒng)計

4、  用SPSS實現(xiàn)描述性統(tǒng)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(xiàn)回歸分析的案例

8、  可視化工具

第一天下午：數(shù)據(jù)庫與數(shù)據(jù)倉庫介紹

1、  數(shù)據(jù)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(shù)據(jù)倉庫：度量與維度

6、  數(shù)據(jù)倉庫：星型模型、雪花模型

7、  ETL

8、  上機操作（構(gòu)建一個cube）

第二天上午：數(shù)據(jù)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(xiàn)的決策樹案例

6、  精確率、召回率與F1

7、  監(jiān)督學習和無監(jiān)督學習

第二天下午：數(shù)據(jù)挖掘方法（2）

1、  聚類分析

2、  用R語言實現(xiàn)的聚類分析案例

3、  關聯(lián)規(guī)則

4、  用R語言實現(xiàn)的關聯(lián)規(guī)則案例

5、  神經(jīng)網(wǎng)絡

6、  用R語言實現(xiàn)的神經(jīng)網(wǎng)絡案例