课程目录

• CDA二级考试视频课
• 第1章：用户标签体系与用户画像
• 课时 10 1.1.1 如何定位用户
• 课时 11 1.1.2 业务指标与用户标签的关系-1
• 课时 12 1.1.2 业务指标与用户标签的关系-2
• 课时 13 1.1.3 用户标签与用户画像的关系
• 课时 14 1.1.4 用户标签的类型
• 课时 15 1.1.5总结和例题讲解
• 课时 16 1.2.1用户标签的制作方法
• 课时 17 1.2.2总结和例题讲解
• 课时 18 1.3.1 用Python做用户画像的基础知识-1(1)
• 课时 18 1.3.1 用Python做用户画像的基础知识-1
• 课时 19 1.3.2 用户画像在诊断阶段中的应用
• 课时 20 1.3.3总结和例题讲解
• 第2章：数据采集与处理
• 课时 21 2.1.1市场研究中的数据
• 课时 22 2.1.2 概率抽样方法-1
• 课时 23 2.1.2 概率抽样方法-2
• 课时 24 2.1.3 非概率抽样方法
• 课时 25 2.1.4总结和例题讲解
• 课时 26 2.2.1市场调研流程和目标设定
• 课时 27 2.2.2市场调研前准备和实施
• 课时 28 2.2.3总结和例题讲解mp4
• 课时 29 2.3.0引言
• 课时 30 2.3.1 单变量描述性统计
• 课时 31 2.3.2 两变量描述性统计
• 课时 32 2.3.3 制图原理_1
• 课时 33 2.3.3 制图原理_2SPSS作图
• 课时 34 2.3.3 制图原理-3Python作图
• 课时 35 2.3.4总结和例题讲解
• 课时 36 2.4.1 数据预处理基本步骤
• 课时 37 2.4.2 错误和离群值数据识别与处理
• 课时 38 2.4.3 分类变量概化处理
• 课时 39 2.4.4 缺失值处理
• 课时 40 2.4.5 噪声平滑
• 课时 41 2.4.6 连续变量分布形态转换和标准化
• 课时 42 2.4.7 变量降维和WoE
• 课时 43 2.4.8总结和例题讲解
• 第3章：数据模型管理
• 课时 44 3.1 数据分类
• 课时 45 3.2 数据建模
• 课时 46 3.3 数据仓库体系和ETL
• 课时 47 3.4总结和例题讲解
• 第4章：统计分析
• 课时 48 4.1.1 分析框架
• 课时 49 4.1.2 样本与总体
• 课时 50 4.1.3 参数估计-1
• 课时 51 4.1.3 参数估计-2
• 课时 52 4.1.4 总结和例题讲解
• 课时 53 4.2.1 假设检验的示例
• 课时 54 4.2.2 假设检验基本概念
• 课时 55 4.2.3 假设检验的基本步骤和配对样本T检验
• 课时 56 4.2.4 AB测试优化法
• 课时 57 4.2.5 总结和例题讲解
• 课时 58 4.3.1 两样本t检验
• 课时 59 4.3.2 方差分析
• 课时 60 4.3.3 相关分析
• 课时 61 4.3.4 卡方检验
• 课时 62 4.3.5 总结和例题讲解
• 课时 63 4.4.1 一元线性回归模型
• 课时 64 4.4.2线性回归的参数估计
• 课时 65 4.4.3 一元逻辑回归模型
• 课时 66 4.4.4 逻辑回归极大似然估计法
• 课时 67 4.4.5 总结和例题讲解
• 第5章 数据分析模型与应用
• 课时 68 5.1.1 矩阵分析法
• 课时 69 5.1.2主成分分析的理论基础
• 课时 70 5.1.3主成分分析的计算步骤
• 课时 71 5.1.4 主成分分析的应用
• 课时 72 5.1.5-8因子分析
• 课时 73 5.1.9主成分题目讲解
• 课时 74 5.1.10因子分析题目讲解(1)
• 课时 74 5.1.10因子分析题目讲解
• 课时 75 5.2.1-3线性回归-1
• 课时 76 5.2.4线性回归-2
• 课时 77 5.2.5-5.2.7线性回归-3
• 课时 78 5.2.8总结和试题讲解
• 课时 79 5.3.1-5.3.4逻辑回归-1
• 课时 80 5.3.5 逻辑回归-2
• 课时 81 5.3.6逻辑回归-3试题讲解mp4
• 课时 82 5.4.1 聚类方法的基本逻辑
• 课时 83 5.4.2 系统聚类法
• 课时 84 5.4.3-4k-means聚类-1
• 课时 85 5.4.3-4k-means聚类-2
• 课时 86 5.4.5聚类事后分析
• 课时 87 5.4.6聚类试题讲解
• 课时 88 5.5.1 宏观业务指标预测框架
• 课时 89 5.5.2 趋势分解法
• 课时 90 5.5.3 ARIMA方法-1
• 课时 91 5.5.4 时间序列回归
• 课时 92 5.5.5时间序列考题讲解
• 第6章 数字化工作方法与应用
• 课时 100 6.3.5&6.3.6 知识库与策略库和基于业务流程的优化
• 课时 93 6.0引言
• 课时 94 6.1.1&6.1.2 启动程序阶段和业务事件还原工具
• 课时 95 6.1.3 业务流程图及习题
• 课时 96 6.2.1近因分析
• 课时 97 6.2.2根本原因分析
• 课时 98 6.2.3根因分析试题讲解
• 课时 99 6.3.1业务优化框架和运筹优化
• 第7章 选修：python数据分析基础
• 课时 102 分类模型的评估方法
• 课时 103 数据科学的基本概念1
• 课时 104 数据科学的基本概念2
• 课时 105 数据挖掘的技术与方法1
• 课时 106 数据挖掘的技术与方法2
• 课时 107 数理统计技术
• 课时 108 1Python介绍
• 课时 109 2Python基础数据类型与表达式
• 课时 110 3Python原生态数据结构
• 课时 111 4Python控制流
• 课时 112 5Python函数
• 课时 113 6Python模块
• 课时 114 7使用pandas读写数据
• 课时 115 1背景介绍
• 课时 116 2描述性分析-1对被解释变量进行描述
• 课时 117 3描述性分析-2对解释变量进行描述1
• 课时 118 4描述性分析-3对解释变量进行描述2
• 课时 119 5建立预测模型-1单变量显著度检验
• 课时 120 6建立预测模型-2无交互项的线性模型
• 课时 121 7建立预测模型-3有交互项的线性模型和预测
• 课时 122 4统计推断与假设检验1
• 课时 123 4统计推断与假设检验2
• 课时 124 模板1预习课程1：线性回归算法概述与变量筛选
• 课时 125 模板1预习课程2：线性回归优化与正则化
• 课时 126 模板1预习课程3：逻辑回归变量筛选、编码
• 课时 127 案例 个人贷款信用风险评级全流程
• 前言：level2课程导读
• 1节：数据分析基础与二级总结介绍
• 2节：前导选修课：数据分析指标体系
• 课时 1 张溪梦：从洞察到增长—数据分析的未来
• CDA二级考试视频课.exe
• Python编程基础-课件和脚本.exe
• CDA一级考试视频课
• 00、导读 数据分析前导通识课
• 课时 1 1.1 数据这个行业
• 课时 2 1.2 数据分析的商业应用
• 课时 3 1.3 数据分析思维
• 课时 4 1.4 数据分析常用方法
• 课时 5 1.5 实务中的数据分析师
• 01、第1章 数据分析概述与职业操守
• 课时 6 数据分析的基本概念
• 课时 7 职业道德行为准则
• 课时 8 大数据立法安全隐私
• 02、第2章 数据结构
• 课时 10 常用函数（选修，考试不涉及）
• 课时 11 查找引用函数（选修，考试不涉及）
• 课时 12 表结构数据特征
• 课时 13 表结构数据获取
• 课时 14 表结构数据使用
• 课时 9 表格结构数据内容
• 03、第3章 数据库应用
• 课时 15 数据库应用第一部分
• 课时 16 数据库应用第二部分
• 04、第4章 描述性统计分析
• 课时 17 统计学的基本概念
• 课时 18 集中趋势
• 课时 19 离散趋势
• 课时 20 分布形态的描述
• 课时 21 二项分布和正态分布
• 课时 22 抽样分布
• 课时 23 参数估计基础知识
• 课时 24 点估计
• 课时 25 区间估计
• 课时 26 （拓展学习）假设检验基础概念
• 课时 27 （拓展学习）假设检验例题
• 课时 28 相关分析
• 05、第5章 多维数据透视分析
• 课时 29 1.多维透视分析前半部分
• 课时 30 2.透视分析后半部分
• 06、第6章 业务数据分析
• 课时 31 数据驱动型业务管理方法
• 课时 32 指标的应用与设计1
• 课时 33 指标的应用与设计2
• 课时 34 指标的应用与设计3
• 课时 35 业务数据分析方法
• 课时 36 业务模型-用户模型
• 课时 37 行为效果分析
• 课时 38 业务分析方法
• 07、第7章 业务分析报告与数据可视化报表
• 课时 39 可视化图表_1.1
• 课时 40 可视化图表_1.2
• 课时 41 撰写业务分析报告
• 课时 42 创建可视化报表
• level1一级课程课件资料.exe
• 电子书等.exe
• 刷题小程序.docx