☆ 1、如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
      ☆ 2、在课程结束之后,授课老师会留给学员手机和E-mail,免费提供半年的课程技术支持，以便保证培训后的继续消化；
      ☆3、合格的学员可享受免费推荐就业机会。
      ☆4、合格学员免费颁发相关工程师等资格证书，提升您的职业资质。

01章Excel数据分析
01-01Excel数据处理技巧和高效方法
01-02Excel数据收集、整合、规范化
01-03Excel公式、函数、数组及数据分析
01-04Excel可视化数据分析（排序、筛选、透视表等）
01-05Excel图表化数据呈现
02章数据库管理
02-01数据库简介
02-02MySQL 增删改语句
02-03MySQL select查询语句
02-04MySQL综合案例
02-05SQLserver应用
02-06Oracle应用
03章Excel BI
03-01Power Query基本功能介绍
03-02Power Query进行数据导入
03-03Power Query横向合并与纵向合并数据
03-04Power Query M函数与数据预处理
03-05Power Pivot数据导入功能
03-06Power Pivot搭建多维数据集与多维数据透视
03-07Power Pivot创建层次结构及KPI
03-08Power Pivot综合应用案例：商机相关企业信息
03-09Power Map数据地图创建及应用方法
03-10Power View交互式仪表板创建方法
03-11案例：全国主要城市空气质量地图、餐饮业店铺销售状况仪表盘
04章Tableau数据可视化
04-01Tableau公司和产品介绍
04-02使用Tableau连接多源数据
04-03Tableau可视化界面介绍
04-04Tabelau数据分析P1：排序、筛选、计算字段、分层结构
04-05Tableau数据分析P2：集和参数、趋势线、预测区间
04-06初级图表：条形图、折线图、饼图、文字云、散点图、地图、树形图、气泡图、图表组合
04-07高级图表：子弹图、环形图、瀑布图、Bump Chart、Table Formatting
04-08使用Tableau制作仪表板与故事
04-09实战项目1：某公司销售数据可视化
04-10实战项目2：航班运营状况分析
05章python编程
05-01python基础语法
05-02python基本数据类型
05-03python的运算符
05-04python字符串、列表、元组等
05-05python条件控制
05-06python循环语句
05-07python函数、类、模块
05-08python文件操作、异常处理
06章Python数据清洗
06-01Numpy的ndarray
06-02数组的索引和切片
06-03数组的运算
06-04常用的数组方法
06-05Series数据结构
06-06DataFrame数据结构
06-07汇总计算
06-08缺失值处理
06-09数据合并、重塑
06-10Groupby技术
06-11数据透视表和交叉表
07章Python数据可视化
07-01可视化基本概念和设计原则
07-02利用pandas进行数据可视化
07-03python可视化工具Matplotlib的安装和使用
07-04Matplotlib高阶绘图
07-05seaborn绘图
07-06pyecharts绘图
08章Python爬虫
08-01爬虫的基本原理
08-02HTML简介
08-03发送请求和网页抓取
08-04设置浏览器代理
08-05数据解析-Xpath
08-06BeautifulSoup简介
08-07数据解析-正则表达式
08-08动态渲染页面抓取
08-09新闻爬虫案例
08-10招聘爬虫案例
09章商业BI实战案例
09-01使用MySQL+Excel制作关键指标监控仪
09-02使用Excel+SQL制作销售情况分析仪案例：
09-03Step1：理解数据分析业务背景，确定分析目标
09-04Step2：使用Power Query连接Mysql进行数据导入和数据预处理
09-05Step3：使用Power Pivot创建多维数据分析环境
09-06Step4：使用Excel和Power View制作数据分析仪交互式可视化界面
09-07商业报告撰写
10章线性代数
10-01向量与线性空间
10-02线性变换与矩阵
10-03行列式与线性方程组
10-04欧式空间
10-05内积因子与算子
11章统计学
11-01数据准备
11-02描述统计
11-03假设检验
11-04一元线性回归
11-05多元回归
11-06一般logistic回归
11-07logistic回归与修正
11-08数据挖掘与logistic回归
12章python机器学习
12-02KNN
12-03Kmeans
12-04线性回归与logistic回归
12-05矩阵分解与降维方法（PCA）
12-06朴素贝叶斯
12-07决策树：分类树和回归树
12-08集成算法：随机森林、XGboost、Adaboost
12-09关联规则与序列模式
12-10支持向量机
12-11神经网络基础