第1章 數(shù)據(jù)科學緣起
1.1 數(shù)據(jù)科學基礎(chǔ)概念
1.2 大數(shù)據(jù)內(nèi)涵
1.3 大數(shù)據(jù)技術(shù)
1.4 數(shù)據(jù)科學思維
數(shù)據(jù)采集與預(yù)處理篇
第2章 數(shù)據(jù)爬取
2.1 數(shù)據(jù)爬取的基本原理
2.2 數(shù)據(jù)爬取工具概述
2.3 UiPath數(shù)據(jù)爬取
2.4 Python
第3章 數(shù)據(jù)預(yù)處理
3.1 探索性數(shù)據(jù)分析
3.2 數(shù)據(jù)清洗
3.3 數(shù)據(jù)變換
3.4 數(shù)據(jù)集成與數(shù)據(jù)規(guī)約
數(shù)據(jù)可視化篇
第4章 數(shù)據(jù)可視化
4.1 數(shù)據(jù)可視化基礎(chǔ)
4.2 數(shù)據(jù)可視化工具包
4.3 Tableau數(shù)據(jù)連接與數(shù)據(jù)類型
4.4 Tableau視圖與篩選器
第5章 Tableau圖表深入學習
5.1 文本表
5.2 條形圖
5.3 樹狀圖
5.4 折線圖
5.5 組合圖
5.6 散點圖
5.7 直方圖
5.8 儀表盤
第6章 電話營銷可視化分析示例
6.1 案例數(shù)據(jù)
6.2 連接數(shù)據(jù)源
6.3 用戶畫像
6.4 客戶群的年齡分布
6.5 轉(zhuǎn)化率與職業(yè)的關(guān)系
6.6 轉(zhuǎn)化的一致性
6.7 宏觀經(jīng)濟因素分析
6.8 設(shè)計儀表盤
數(shù)據(jù)建模篇
第7章 機器學習的一般流程
7.1 機器學習概述
7.2 特征工程
7.3 可視化建模工具
第8章 機器學習算法
8.1 分類算法
8.2 聚類算法
8.3 模型評估與選擇
8.4 H20數(shù)據(jù)建模分析實例
第9章 社交網(wǎng)絡(luò)分析
9.1 概述
9.2 社交網(wǎng)絡(luò)的類型
9.3 社交網(wǎng)絡(luò)分析工具
9.4 社交網(wǎng)絡(luò)分析指標
第10章 基于鏈家租房網(wǎng)數(shù)據(jù)的租房價格預(yù)測示例
10.1 房價數(shù)據(jù)爬取(全量數(shù)據(jù))
10.2 房屋數(shù)據(jù)預(yù)處理
10.3 房屋地理信息爬取
10.4 租房價格數(shù)據(jù)可視化
10.5 租房價格預(yù)測建模
自然語言處理篇
第11章 自然語言處理
11.1 概述
11.2 自然語言處理開發(fā)工具
11.3 自然語言處理的基礎(chǔ)任務(wù)
第12章 自然語言處理工具
12.1 綜合性分析工具
12.2 分詞與詞性標注工具
12.3 綜合性Python工具
第13章 自然語言處理案例：情感分析
13.1 場景介紹
13.2 算法應(yīng)用