01章R语言编程基础与描述性分析
01-01数据分析的武器库
01-02数据分析工具R介绍
01-03R的基本数据类型
01-04R的基本数据结构
01-05R的程序控制
01-06R的函数与模块
01-07R的日期与时间数据类型
01-08在R语言中读写数据
01-09描述性统计分析概述
01-10统计制图的步骤
01-11R语言基础绘图包
01-12使用ggplot2绘图与可视化
02章Mysql数据库管理
01-01关系型数据库管理系统与结构化查询语言SQL概述
01-02数据库操作
01-03数据表操作
01-04数据类型和约束条件
01-05数据填充与数据导入
01-06SQL单表查询与多表查询
01-07查询操作符与子查询
01-08SQL查询函数介绍
01-09SQL查询综合案例：电商数据查询练习
03章数据分析之统计学基础
01-01数据分析及其职业介绍
01-02数据分析工具与数据分析方法论
01-03数理统计基础知识：随机事件与随机变量
01-04统计学的四大分布
01-05特殊的概率分布 - 正态分布与中心极限定理
01-06描述性分析：集中趋势、离中趋势、数据的分布
01-07不同的数据类型使用的统计图形概述
01-08抽样估计：点估计与区间估计方法
01-09T检验方法：单样本、两独立样本、配对样本
01-10方差分析概述与操作
04章R数据清洗与统计分析
01-01数据整合：SQL操作、R数据整合、数据横向合并与纵向合并
01-02R中的高级数据整合：数据重组与转换、拆分/聚合列、堆叠列、分割列
01-03R中的抽样：简单随机抽样、分层抽样、系统抽样、多阶段抽样
01-04R的数据清洗：错误值处理、缺失值处理、噪声值处理
01-05R语言实现统计检验与单样本T检验
01-06R语言实现双样本T检验
01-07R语言实现方差分析
01-08R语言实现相关分析
01-09R语言实现列联表分析与卡方检验
01-10案例：银行业 - 月均信用卡支出数据集
01-11案例：汽车业 - 汽车贷款违约数据集
05章使用R语言建模分析
01-01简单线性回归与多元线性回归
01-02多元线性回归的变量筛选
01-03线性回归诊断方法- 残差分析、强影响点分析、多重共线性分析
01-04 正则化方法 - 岭回归和LASSO回归
01-05Logistic回归的相关关系分析
01-06Logistic回归模型及实现
01-07Logistic回归的极大似然估计
01-08Logistic回归模型评估方法 - ROC曲线
01-09案例：银行业 - 月均信用卡支出数据集
01-10案例：汽车业 - 汽车贷款违约数据集
01-11维度规约方法概述
01-12主成分分析与因子分析方法
01-13奇异值分解
01-14对应分析和多维尺度分析
01-15案例：城市经济发展水平数据集
01-16案例：电商购物信息数据集
06章R语言进行时间序列和综合案例分析
01-01简单时间序列分析法：平滑算法
01-02平稳时间序列(ARMA)模型设定与识别
01-03非平稳时间序列（ARIMA）模型
01-04时间序列建模步骤
01-05综合案例1：使用R语言进行信用卡产能指标趋势预测与监控
01-06综合案例2：使用R语言进行电信公司离网用户预警
07章R语言数据可视化
01-01绘图思想的基本原理
01-02R语言数据可视化包-GGplot2包介绍与图形绘制
01-03R语言数据可视化包-Lattice包与GGvis包介绍与图形绘制
01-04R语言数据可视化包-EchartsR介绍与图形绘制
01-06分析结果展示与报告展现
08章期中项目作业与答辩
01-01课题1：电商客户价值预测
01-02课题2：网站流量数据分析
01-03课题3：信用卡客户流失预警
01-04课题4：银行电话营销响应分析
01-05以上课题仅供参考
09章R语言数据挖掘与预测型数据挖掘模型Part1
01-01数据挖掘概要
01-02数据挖掘的方法和原理
01-03数据挖掘基础和进阶技术概述
01-04数据预处理技术：字段选择-数据清洗-字段扩充-数据编码
01-05人工特征工程：特征构造 - 特征抽取 - 特征选择
01-06决策树建模思路
01-07Quinlan系列决策树(ID3、C4.5、C5.0)建模原理
01-08CART建模原理
01-09决策树模型修剪
01-10决策树模型效果评估
01-11案例：使用决策树进行初始信用评级
10章R语言预测型数据挖掘模型Part2
01-01了解神经网络的基本概念
01-02明确人工神经网络结构
01-03神经元模型
01-04掌握BP神经网络学习算法
01-05多层感知器的R语言代码实现
01-06贝叶斯公式与分类原理
01-07朴素贝叶斯的参数估计
01-08在R语言中实现朴素贝叶斯
01-09KNN算法原理与R实现
01-10线性可分与线性不可分
01-11线性可分的支持向量机
01-12线性支持向量机与软间隔最大化
01-13非线性支持向量机与核函数
01-14集成学习方法：Bagging、Boosting、随机森林
11章R语言进行描述性数据挖掘模型
01-01聚类算法的概述
01-02聚类算法基本概念
01-03聚类模型的评估
01-04层次聚类原理与R实现
01-05基于划分的聚类K-means的原理及应用
01-06详谈基于密度的聚类方法与在R语言中的实现
01-07案例：通信客户业务使用偏好聚类
01-08关联规则的一些基本概念
01-09关联规则Ariori算法的原理与R语言实现
01-10关联规则FP-growth算法
01-11序列模式的简介与概念
01-12序列模式AprioriAll算法与R语言实现
01-13基于用户和商品的的协同过滤算法