课程介绍

构建数据分析工程师能力模型，实战八大企业级项目是一门旨在培养学员成为数据分析工程师的课程。该课程通过提供理论知识和实践项目，帮助学员掌握数据分析、数据处理和数据可视化等技能，从而能够应对企业级数据分析项目的需求。

课程内容包括以下八个企业级项目：

1. 数据清洗和预处理：学员将学习如何处理和清洗大规模的数据集，包括数据缺失值处理、异常值处理和数据格式转换等。
2. 数据探索和可视化：学员将学习如何使用各种统计方法和可视化工具来探索数据，并通过可视化方式展示数据的洞察和趋势。
3. 特征工程和数据转换：学员将学习如何从原始数据中提取有用的特征，并进行数据转换以满足模型的需求。
4. 数据建模和算法选择：学员将学习如何选择适当的机器学习算法，并使用Python或R等编程语言构建和训练模型。
5. 模型评估和优化：学员将学习如何评估模型的性能，并使用交叉验证和网格搜索等技术对模型进行优化。
6. 数据可视化和报告：学员将学习如何使用数据可视化工具和报告工具来呈现分析结果，并向非技术人员解释数据分析的洞察。
7. 高级数据分析和机器学习：学员将学习更高级的数据分析技术，包括聚类分析、时间序列分析和深度学习等。
8. 部署和维护：学员将学习如何将数据分析模型部署到生产环境，并进行维护和监控。

通过完成这八个企业级项目，学员将获得一系列实际的数据分析项目经验，并能够在实际工作中独立完成数据分析任务。课程旨在培养学员的数据分析思维和解决问题的能力，提高他们在数据分析领域的竞争力。

课程目录

8-001-【imooc】课程汇总/
│【imooc-574】构建数据分析工程师能力模型，实战八大企业级项目[完结]/
││├─{1}–第1章数据分析实战-前奏
││├─{2}–第2章数据分析必备技能-开始
││├─{3}–第3章数据分析思维拓展-间奏一
││├─{4}–第4章数据分析算法应用-间奏二
││├─{5}–第5章京东电商用户行为分析（非模型）项目实战-副歌
││├─{6}–第6章数据挖掘模型应用-主歌一
││├─{7}–第7章APP活跃用户预测（模型）项目实战-主歌二
││├─{8}–第8章总结与展望-尾曲
││├─资料

详细目录

││{1}–第1章数据分析实战-前奏/
│││├─[1.1]一手IT课程资源+微信1-1数据分析课程导学.mp4 12.9MB
│││├─[1.2]一手IT课程资源+微信1-2数据分析工程师的进阶指南.mp4 38.3MB
│││├─[1.3]一手IT课程资源+微信1-3课程的核心目标.mp4 43.9MB
││{2}–第2章数据分析必备技能-开始/
│││├─[2.10]一手IT课程资源+微信2-10实战：kaggle数据分析可视化实战（一）[16].mp4 117.3MB
│││├─[2.11]一手IT课程资源+微信2-11实战：kaggle数据分析可视化实战（二）[16].mp4 78.3MB
│││├─[2.12]一手IT课程资源+微信2-12实战：kaggle数据分析可视化实战（三）[16].mp4 87.1MB
│││├─[2.13]一手IT课程资源+微信2-13实战：kaggle数据分析可视化实战（四）[16].mp4 121.1MB
│││├─[2.1]一手IT课程资源+微信2-1数据分析报告的关键组成部分[16].mp4 113.8MB
│││├─[2.2]一手IT课程资源+微信2-2如何构建企业级数据分析报告？[16].mp4 94.2MB
│││├─[2.3]一手IT课程资源+微信2-3Python还可以这样用（中高级）[16].mp4 84.7MB
│││├─[2.4]一手IT课程资源+微信2-4快速处理数据不二选择-NumPy[16].mp4 44.8MB
│││├─[2.5]一手IT课程资源+微信2-5数据探索工具-Pandas[16].mp4 89MB
│││├─[2.6]一手IT课程资源+微信2-6高效处理带有时间序列数据（一）[16].mp4 93.2MB
│││├─[2.7]一手IT课程资源+微信2-7高效处理带有时间序列数据（二）[16].mp4 85.6MB
│││├─[2.8]一手IT课程资源+微信2-8实战：杭州市地铁流量时间序列数据处理（一）[16].mp4 103.4MB
││{3}–第3章数据分析思维拓展-间奏一/
│││├─[3.10]一手IT课程资源+微信3-10RFM模型实现精细化用户运营.mp4 59.2MB
│││├─[3.11]一手IT课程资源+微信3-11用户画像：如何真正了解用户需求？.mp4 78.3MB
│││├─[3.12]一手IT课程资源+微信3-12抖音、QQ浏览器、百度APP的用户画像差异.mp4 21.2MB
│││├─[3.13]一手IT课程资源+微信3-13推荐系统中的用户画像.mp4 28.8MB
│││├─[3.1]一手IT课程资源+微信3-1对比分析和分类分析思路与应用场景.mp4 58.5MB
│││├─[3.2]一手IT课程资源+微信3-2时间序列分析思路与应用场景.mp4 73MB
│││├─[3.3]一手IT课程资源+微信3-3实战：淘宝电商商品销量数据分析.mp4 135.9MB
│││├─[3.4]一手IT课程资源+微信3-4逻辑树分析思路与应用场景.mp4 46.2MB
│││├─[3.5]一手IT课程资源+微信3-5多维度拆解分析思路与应用场景.mp4 38MB
│││├─[3.7]一手IT课程资源+微信3-7多个变量间的相关性分析与应用场景.mp4 28.9MB
│││├─[3.9]一手IT课程资源+微信3-9如何使用AARRR模型对用户进行分层？.mp4 50.2MB
││{4}–第4章数据分析算法应用-间奏二/
│││├─[4.10]一手IT课程资源+微信4-10预测服装厂员工生产效率一手IT课程资源+微信神经网络（一）.mp4 78.8MB
│││├─[4.11]一手IT课程资源+微信4-11预测服装厂员工生产效率一手IT课程资源+微信神经网络（二）.mp4 53.9MB
│││├─[4.1]一手IT课程资源+微信4-1从决策树到GBDT的优化（一）.mp4 72.9MB
│││├─[4.2]一手IT课程资源+微信4-2从决策树到GBDT的优化（二）.mp4 91.7MB
│││├─[4.4]一手IT课程资源+微信4-4信用卡客户贷款违约预测实战一手IT课程资源+微信使用决策树（二）.mp4 67.9MB
│││├─[4.5]一手IT课程资源+微信4-5kmeans无监督聚类的强大.mp4 69.3MB
│││├─[4.6]一手IT课程资源+微信xitnds4-6红楼梦文本聚类实战一手IT课程资源+微信xitnds使用kmeans.mp4 116.6MB
│││├─[4.7]一手IT课程资源+微信4-7关联规则分析应用.mp4 48.3MB
│││├─[4.8]一手IT课程资源+微信4-8经典模型支持向量积.mp4 42.7MB
│││├─[4.9]一手IT课程资源+微信4-9超强拟合能力的神经网络.mp4 58.5MB
││{5}–第5章京东电商用户行为分析（非模型）项目实战-副歌/
│││├─[5.1]一手IT课程资源+微信5-1如何提出分析问题？[16].mp4 36.7MB
│││├─[5.2]一手IT课程资源+微信5-2数据获取和数据预处理[16].mp4 128.3MB
│││├─[5.3]一手IT课程资源+微信5-3掌握流量和转化指标[16].mp4 80.5MB
│││├─[5.4]一手IT课程资源+微信5-4用户行为路径分析应用[16].mp4 76.2MB
│││├─[5.5]一手IT课程资源+微信5-5使用AARRR漏斗模型拆解用户行为[16].mp4 115MB
│││├─[5.6]一手IT课程资源+微信5-6用户消费习惯分析及应对方式[16].mp4 129.7MB
│││├─[5.7]一手IT课程资源+微信5-7从商品相关性中挖掘可用信息[16].mp4 98.1MB
│││├─[5.8]一手IT课程资源+微信5-8使用RFM模型进行用户价值分析及应对方式（一）[16].mp4 71.2MB
│││├─[5.9]一手IT课程资源+微信5-9使用RFM模型进行用户价值分析及应对方式（二）[16].mp4 57.6MB
││{6}–第6章数据挖掘模型应用-主歌一/
│││├─[6.1]一手IT课程资源+微信6-1问题理解与评估指标.mp4 125.3MB
│││├─[6.2]一手IT课程资源+微信6-2数据探索性分析（EDA）.mp4 23.9MB
│││├─[6.3]一手IT课程资源+微信6-3特征工程的重要性.mp4 66.8MB
│││├─[6.4]一手IT课程资源+微信6-4如何选择合适的模型？.mp4 69.4MB
│││├─[6.5]一手IT课程资源+微信6-5进行模型高阶实践.mp4 69.9MB
││{7}–第7章APP活跃用户预测（模型）项目实战-主歌二/
│││├─[7.1]一手IT课程资源+微信7-1实战案例准备工作[16].mp4 5.9MB
│││├─[7.2]一手IT课程资源+微信7-2数据获取和数据预处理[16].mp4 23MB
│││├─[7.3]一手IT课程资源+微信7-3用户行为数据分析和可视化[16].mp4 55.8MB
│││├─[7.4]一手IT课程资源+微信7-4滑窗法扩充训练集数据[16].mp4 106MB
│││├─[7.5]一手IT课程资源+微信7-5构建描述用户的特征[16].mp4 97.6MB
│││├─[7.6]一手IT课程资源+微信7-6构建描述拍客的特征[16].mp4 73.6MB
│││├─[7.7]一手IT课程资源+微信7-7选择有价值的特征[16].mp4 70.8MB
│││├─[7.8]一手IT课程资源+微信7-8使用树模型三剑客[16].mp4 101.3MB
│││├─[7.9]一手IT课程资源+微信7-9构建模型差异性进行融合[16].mp4 113.9MB
││{8}–第8章总结与展望-尾曲/
│││├─[8.1]一手IT课程资源+微信8-1整章课程回顾.mp4 19.8MB
│││├─[8.2]一手IT课程资源+微信8-2数据分析工程师面试问题方向讲解.mp4 49.4MB
│││├─[8.3]一手IT课程资源+微信8-3选择合适的意向领域及成长路线.mp4 31.9MB
│││├─[8.4]一手IT课程资源+微信8-4学习完这个课程以后怎样继续深入数据分析的学习？.mp4 32.8MB
││资料/
│││├─慕课数据分析中级项目数据
│││├─慕课数据分析中级项目数据.zip 2.2GB
│││├─资料.zip 8.2MB
│││慕课数据分析中级项目数据/
││││├─第七章
││││├─第三章
││││├─第二章
││││├─第五章
││││├─第四章
││││第七章/
│││││├─.DS_Store 6KB
│││││├─APP用户活跃度
│││││├─part7-APP活跃用户预测（模型）项目实战.png 119.6KB
│││││APP用户活跃度/
││││││├─.DS_Store 8KB
││││││├─.ipynb_checkpoints
││││││├─APP用户活跃度预测-特征工程.ipynb 33.1KB
││││││├─APP用户活跃度预测-特征选择&训练模型.ipynb 246.1KB
││││││├─APP用户活跃预测-数据分析.ipynb 102.5KB
││││││├─app_launch_log.txt 2.4MB
││││││├─feature
││││││├─img
││││││├─user_activity_log.txt 572.4MB
││││││├─user_register_log.txt 777.7KB
││││││├─video_create_log.txt 349.8KB
││││││.ipynb_checkpoints/
│││││││├─APP用户活跃度预测-特征工程-checkpoint.ipynb 230KB
│││││││├─APP用户活跃度预测-特征选择&训练模型-checkpoint.ipynb 229KB
│││││││├─APP用户活跃预测-数据分析-checkpoint.ipynb 95.6KB
││││││feature/
│││││││├─.DS_Store 6KB
││││││img/
│││││││├─1.png 35KB
│││││││├─2.png 20.9KB
│││││││├─3.png 21.7KB
│││││││├─4.png 57.8KB
│││││││├─5.png 72.5KB
││││第三章/
│││││├─互联网金融信贷数据分析
│││││├─淘宝电商商品销量数据分析
│││││互联网金融信贷数据分析/
││││││├─.DS_Store 8KB
││││││├─.ipynb_checkpoints
││││││├─application_train.csv 158.4MB
││││││├─input
││││││├─互联网金融信贷数据分析.ipynb 2.3MB
││││││.ipynb_checkpoints/
│││││││├─互联网金融信贷数据分析-checkpoint.ipynb 555.7KB
││││││input/
│││││││├─.DS_Store 6KB
│││││││├─cs-test.csv 4.8MB
│││││││├─cs-test.csv.zip 1.8MB
│││││││├─cs-training.csv 7.2MB
│││││││├─cs-training.csv.zip 2.7MB
│││││淘宝电商商品销量数据分析/
││││││├─.DS_Store 6KB
││││││├─.ipynb_checkpoints
││││││├─sam_tianchi_mum_baby.csv 20.3KB
││││││├─sam_tianchi_mum_baby_trade_history.csv 8.4MB
││││││├─淘宝电商商品销量数据分析.ipynb 189.2KB
││││││.ipynb_checkpoints/
│││││││├─淘宝电商商品销量数据分析-checkpoint.ipynb 185.2KB
││││第二章/
│││││├─kaggle1-墨西哥人肥胖程度数据可视化分析
│││││├─kaggle2-新冠肺炎疫情数据清洗及探索性分析
│││││├─杭州市地铁流量时间序列数据处理
│││││kaggle1-墨西哥人肥胖程度数据可视化分析/
││││││├─.ipynb_checkpoints
││││││├─input
││││││├─墨西哥人肥胖程度数据可视化分析.ipynb 2.6MB
││││││.ipynb_checkpoints/
│││││││├─墨西哥人肥胖程度数据可视化分析-checkpoint.ipynb 2.3MB
││││││input/
│││││││├─ObesityDataSet_raw_and_data_sinthetic.csv 257.5KB
│││││kaggle2-新冠肺炎疫情数据清洗及探索性分析/
││││││├─.ipynb_checkpoints
││││││├─input
││││││├─新冠肺炎疫情数据清洗及探索性分析.ipynb 863.6KB
││││││.ipynb_checkpoints/
│││││││├─新冠肺炎疫情数据清洗及探索性分析-checkpoint.ipynb 640.5KB
││││││input/
│││││││├─alltime_China_2020_03_31.csv 4.1KB
│││││││├─alltime_world_2020_03_31.csv 149.6KB
│││││││├─today_province_2020_03_31.csv 2.1KB
│││││││├─today_world_2020_03_31.csv 13.4KB
│││││杭州市地铁流量时间序列数据处理/
││││││├─.DS_Store 6KB
││││││├─.ipynb_checkpoints
││││││├─10_inNums_of_day1234.svg 39.8KB
││││││├─inNums_of_stationID.svg 509KB
││││││├─input
││││││├─时间序列数据处理.ipynb 989.2KB
││││││.ipynb_checkpoints/
│││││││├─时间序列数据处理-checkpoint.ipynb 772.1KB
││││││input/
│││││││├─Metro_roadMap.csv 13.3KB
│││││││├─Metro_testA
│││││││├─Metro_testB
│││││││├─Metro_train
│││││││Metro_testA/
││││││││├─testA_record_2019-01-28.csv 154.4MB
││││││││├─testA_submit_2019-01-29.csv 499.8KB
│││││││Metro_testB/
││││││││├─testB_record_2019-01-26.csv 144.1MB
││││││││├─testB_submit_2019-01-27.csv 499.8KB
│││││││Metro_train/
││││││││├─record_2019-01-01.csv 163MB
││││││││├─record_2019-01-02.csv 152.7MB
││││││││├─record_2019-01-03.csv 147.4MB
││││││││├─record_2019-01-04.csv 155.8MB
││││││││├─record_2019-01-05.csv 129.7MB
││││││││├─record_2019-01-06.csv 125.1MB
││││││││├─record_2019-01-07.csv 145.1MB
││││││││├─record_2019-01-08.csv 148.1MB
││││││││├─record_2019-01-09.csv 146.6MB
││││││││├─record_2019-01-10.csv 148.9MB
││││││││├─record_2019-01-11.csv 160.8MB
││││││││├─record_2019-01-12.csv 139.3MB
││││││││├─record_2019-01-13.csv 132.5MB
││││││││├─record_2019-01-14.csv 154MB
││││││││├─record_2019-01-15.csv 148.2MB
││││││││├─record_2019-01-16.csv 155.3MB
││││││││├─record_2019-01-17.csv 159MB
││││││││├─record_2019-01-18.csv 171.2MB
││││││││├─record_2019-01-19.csv 141.9MB
││││││││├─record_2019-01-20.csv 135.7MB
││││││││├─record_2019-01-21.csv 158.4MB
││││││││├─record_2019-01-22.csv 159.1MB
││││││││├─record_2019-01-23.csv 162.1MB
││││││││├─record_2019-01-24.csv 161.7MB
││││││││├─record_2019-01-25.csv 165.4MB
││││第五章/
│││││├─.DS_Store 8KB
│││││├─input
│││││├─part5-京东电商用户行为分析（非模型）项目实战.png 214.2KB
│││││├─京东用户行为分析.ipynb 3.9MB
│││││├─京东用户行为分析.ipynb.zip 1.3MB
│││││input/
││││││├─.DS_Store 8KB
││││││├─.ipynb_checkpoints
││││││├─jd_shop_info.csv 527.7KB
││││││├─jd_sku_info.csv 13.9MB
││││││├─jd_user_info.csv 72.5MB
││││││├─高潜用户购买预测数据集.zip 682.9MB
││││第四章/
│││││├─.DS_Store 10KB
│││││├─信用卡客户贷款违约预测
│││││├─红楼梦文本聚类分析
│││││├─预测服装厂员工生产效率
│││││信用卡客户贷款违约预测/
││││││├─.DS_Store 8KB
││││││├─.ipynb_checkpoints
││││││├─input
││││││├─信用卡客户贷款违约预测.ipynb 431.3KB
││││││.ipynb_checkpoints/
│││││││├─信用卡客户贷款违约预测-checkpoint.ipynb 9.8MB
││││││input/
│││││││├─data.csv 2.8MB
│││││红楼梦文本聚类分析/
││││││├─.DS_Store 8KB
││││││├─.ipynb_checkpoints
││││││├─input
││││││├─红楼梦文本聚类分析.ipynb 615KB
││││││.ipynb_checkpoints/
│││││││├─红楼梦文本聚类分析-checkpoint.ipynb 490.2KB
││││││input/
│││││││├─Dream_of_the_Red_Mansion.txt 2.5MB
│││││││├─Red_Mansion_Dictionary.txt 2.9KB
│││││││├─SimHei.ttf 9.6MB
│││││││├─stop_words.txt 12.1KB
│││││预测服装厂员工生产效率/
││││││├─.DS_Store 6KB
││││││├─.ipynb_checkpoints
││││││├─input
││││││├─利用回归模型预测服装厂员工生产效率.ipynb 368.3KB
││││││.ipynb_checkpoints/
│││││││├─利用回归模型预测服装厂员工生产效率-checkpoint.ipynb 1009.8KB
││││││input/
│││││││├─garments_worker_productivity.csv 92.7KB