响木SVIP目录
响木最新
响木众筹
响木众筹
当前目录
全盘
查全部
文件夹
文件
主页
/
我的资源
/
00 离线版加密(金盾)
/
001-999
/
900-999(离线版)
/
912.【训练营6期】数据分析实战
/
1.01 数据分析思维是什么.vip
10.010.10 MySQL8.0 的安装教程_视频.vip
100.100.PART5.3 使用sklearn实现决策树建模.mp4
101.101.PART5.4 CART分类树的参数详解.mp4
102.102.PART5.5 实例:泰坦尼克号幸存者的预测.mp4
103.103.PART6.1 学习曲线&交叉验证.mp4
104.104.PART6.2 sklearn中的网格搜索.mp4
105.105.PART7.1 线性回归及其基本原理.mp4
106.106.PART7.2 多元线性回归的实现及回归类模型评估指标.mp4
107.107.PART7.3 实例:使用线性回归预测鲍鱼年龄.mp4
108.108.PART7.4 线性回归改进算法:岭回归.mp4
109.109.PART7.5 线性回归改进算法:LASSO.mp4
11.011.11 Python的安装教程_视频.vip
110.110.PART7.6 非线性问题:线性模型在非线性数据上的表现.mp4
111.111.PART7.7 非线性问题:多项式回归.mp4
112.112.PART8.1 名为“回归”的分类器:逻辑回归.mp4
113.113.PART8.2 逻辑回归在实际中的应用场景&优势.mp4
114.114.PART8.3 sklearn中的逻辑回归重要参数详解.mp4
115.115.PART8.4 使用sklearn实现逻辑回归.mp4
116.116.PART8.5 二分类中的样本不均衡问题.mp4
117.117.PART8.6 混淆矩阵及其衍生指标.mp4
118.118.PART8.7 ROC曲线&AUC面积.mp4
119.119.PART8.8 利用ROC曲线找出最佳阈值.mp4
12.012.12 数据分析师为什么需要Excel.vip
120.120.PART8.9 【案例1】使用逻辑回归完成社交网络广告推荐的预测.mp4
121.121.PART8.10.1【案例2】数据概览及预处理.mp4
122.122.PART8.10.2【案例2】标签探索:离职员工状况概览.mp4
123.123.PART8.10.3【案例2】特征探索:员工满意度与离职之间的关系.mp4
124.124.PART8.10.4【案例2】特征探索:最新考核评估&参与项目数.mp4
125.125.PART8.10.5【案例2】特征探索:平均月工作时长&工作年限&工作事故.mp4
126.126.PART8.10.6【案例2】特征探索:岗位&薪资水平.mp4
127.127.PART8.10.7【案例2】特征工程&建模&模型调优.mp4
128.128.PART9.1 集成学习主要研究领域及简单集成技术.mp4
129.129.PART9.2 Bagging VS Boosting.mp4
13.013.13 重新认识Excel.vip
130.130.PART10.1 随机森林原理及sklearn实现.mp4
131.131.PART10.2 弱评估器结构相关参数.mp4
132.132.PART10.3 随机性相关参数及属性详解.mp4
133.133.PART10.4 使用随机森林完成员工离职预测及调优.mp4
134.134.PART11.1 Boosting算法的基本要素和基本流程.mp4
135.135.PART11.2 梯度提升树的基本原理.mp4
136.136.PART11.3 GBDT分类和回归的sklearn快速实现.mp4
137.137.PART11.4 弱评估器数量相关参数及对模型的影响.mp4
138.138.PART11.5 迭代过程相关参数:学习率&初始值参数.mp4
139.139.PART11.6 GBDT的损失函数.mp4
14.014.14.1 Excel的基本操作_01.vip
140.140.PART11.7 模型复杂度和不纯度衡量指标相关参数.mp4
141.141.PART11.8 提前停止机制及相关参数.mp4
142.142.PART11.9 GBDT的袋外数据.mp4
143.143.PART11.10 GBDT的超参数优化.mp4
144.144.PART12.1 学习XGBoost的四个层次.mp4
145.145.PART12.2 XGBoost的安装与卸载.mp4
146.146.PART12.3 XGBoost分类和回归的sklearn实现.mp4
147.147.PART12.4 XGBoost重要参数详解:迭代过程相关参数.mp4
148.148.PART12.5 XGBoost的弱评估器.mp4
149.149.PART12.6 弱学习器的分枝&剪枝&随机性.mp4
15.015.14.2 Excel的基本操作_02.vip
150.150.PART12.7 XGBoost性能相关参数及超参数优化.mp4
151.151.PART13 机器学习算法的模型选择问题.mp4
152-【业务模型】01 业务分析模型概览.mp4
153-【业务模型】02 初学者如何学习业务分析方法.mp4
154-【业务模型】3.1 对比分析法.mp4
155-【业务模型】3.2 多维度拆解.mp4
156-【业务模型】3.3 漏斗分析法.mp4
157-【业务模型】3.4 公式拆解法.mp4
158-【业务模型】3.5 矩阵分析法.mp4
159-【业务模型】04 数据涨跌异动如何处理?.mp4
16.016.14.3 Excel的基本操作_03.vip
160-【业务模型】5.1 用户行为序列分析.mp4
161-【业务模型】5.2 用户行为路径分析.mp4
162-【业务模型】5.3 用户行为分析常用工具.mp4
163-【业务模型】5.4 用户留存分析.mp4
164-【业务模型】5.5 同期群分析.mp4
165-【业务模型】5.6【实操】使用python完成同期群分析.mp4
166-【业务模型】5.7.1 用户画像的两种概念.mp4
167-【业务模型】5.7.2 为什么要分析用户画像.mp4
168-【业务模型】5.7.3 不同行业的用户画像应用.mp4
169-【业务模型】5.7.4 用户画像体系搭建流程.mp4
17.017.15.1 Excel的数据处理_01.vip
170-【业务模型】6.1.1 什么是RFM模型.mp4
171-【业务模型】6.1.2 如何应用RFM模型.mp4
172-【业务模型】6.1.3 实操:RFM模型的实操项目.mp4
173-【业务模型】6.2.1 AARRR模型.mp4
174-【业务模型】6.2.2 使用AARRR模型实现用户增长(以网易云音乐为例).mp4
175-【AB测试】01 AB测试的起源.mp4
176-【AB测试】02 AB测试的基本定义.mp4
177-【AB测试】03 AB测试在互联网巨头公司中的发展历程.mp4
178-【AB测试】04 为什么互联网热衷于AB测试.mp4
179-【AB测试】05 AB测试的实际应用场景.mp4
18.018.15.2 Excel的数据处理_02.vip
180-【AB测试】06 字节跳动是如何应用AB测试的.vip
181-【AB测试】07【补充】AA测试.vip
182-【AB测试】08【补充】多变量测试.vip
183-【AB测试】09 AB测试基本流程:明确实验改动点、观测指标&计算样本量.vip
184-【AB测试】10 AB测试基本流程:流量的分割.vip
185-【AB测试】11 AB测试的基本流程:计算实验周期&灰度测试&结果评估.vip
186-【AB测试】12 AB测试的基本原理:假设检验.vip
187-【AB测试】13.1 AB测试面试常见角度.vip
188-【AB测试】13.2.1【面试题】请描述一下什么是AB test.vip
189-【AB测试】13.2.2【面试题】AB测试的核心原理是什么?.vip
19.019.16 Excel的基本公式.vip
190-【AB测试】13.2.3【面试题】AB测试有哪些应用场景?.vip
191-【AB测试】13.2.4【面试题】是否接触过AB test,请说说对AB测试的理解【滴滴】.mp4
192-【AB测试】13.2.5【面试题】你怎么理解AB测试中的第一、二类错误?哪个更严重【阿里】.mp4
193-【AB测试】13.3.1【面试题】为什么要做AB测试?有什么科学依据?.mp4
194-【AB测试】13.3.2【面试题】AB测试成本很高,每个调整都需要做AB测试么.mp4
195-【AB测试】13.4.1【面试题】AB测试的主要流程是什么?.mp4
196-【AB测试】13.4.2【面试题】选择AB实验的样本时,需要注意什么【滴滴】..mp4
197-【AB测试】13.4.3【面试题】简要介绍AB测试,并给出样本量计算公式【拼多多、携程】.mp4
198-【AB测试】13.4.4【面试题】AB测试的实验周期如何选择?需要考虑哪些因素?.mp4
199-【AB测试】13.4.5【面试题】如何进行合理的流量分割?.mp4
2.02 拥有数据分析的具体表现.vip
20.020.17.1 Excel的常用函数_01.vip
200-【AB测试】13.4.6【面试题】如何验证你的改进办法有效果?【快手】.mp4
201-【AB测试】13.4.7【面试题】请分析下AB测试的结果统计显著不等于实际显著,你怎么看?.mp4
202-【AB测试】13.4.8【面试题】若AB测试中发现实验组核心指标明显优于对照组,能上线么.mp4
203-【AB测试】13.5 【场景类面试题示例】如何设计和分析AB测试来决定某项新功能是否上线.mp4
204-【AB测试】14.1 AB测试的完整业务流程.mp4
205-【AB测试】14.2 AB测试的五大核心模块.mp4
206-【AB测试】14.3 业界流行的AB测试架构实现方案.mp4
207-【AB测试】15.1 应用实战:背景&AB测试流程.mp4
208-【AB测试】15.2 应用实战:设计AB test实验.mp4
209-【AB测试】15.3 应用实战:数据分析&假设检验的Python实现.mp4
21.021.17.2 Excel的常用函数_02.vip
210-【游戏氪金】Ch 0 前言:数据概况与案例导读.mp4
211-【游戏氪金】Ch 1 游戏行业概览与游戏岗位招聘概况.mp4
212-【游戏氪金】Ch 2 从流量到用户到变现:手游的运营流程.mp4
213-【游戏氪金】Ch 3 甜蜜陷阱:你是如何一步步走向氪金的?.mp4
214-【游戏氪金】Ch 4 数据技术辅助游戏运营的6大典型场景.mp4
215-【游戏氪金】Ch 5.1 游戏数据的初步探索.mp4
216-【游戏氪金】Ch 5.2 标签探索:游戏的经营状况与关键经营指标.mp4
217-【游戏氪金】Ch 5.3 特征探索(1):在线时长:用户流失状况监测.mp4
218-【游戏氪金】Ch 5.3 特征探索(2):偏度:游戏对新手玩家的友好程度.mp4
219-【游戏氪金】Ch 5.3 特征探索(3):游戏平衡性:氪金与战斗优势.mp4
22.022.17.3 Excel的常用函数_03.mp4
220-【游戏氪金】Ch 5.3 特征探索(4):左偏带来长尾:谁是异常玩家?.mp4
221-【游戏氪金】Ch 6.1 数据预处理:注册时间与氪金状况的关联.mp4
222-【游戏氪金】Ch 6.2 模型选择,benchmark的建立.mp4
223-【游戏氪金】Ch 6.3 特征工程(1) 根据业务模式新增特征.mp4
224-【游戏氪金】Ch 6.3 特征工程(2) 达成建模所需的统计假设.mp4
225-【游戏氪金】Ch 6.4 模型融合(1) 分类算法解决数据的偏态问题.mp4
226-【游戏氪金】Ch 6.4 模型融合(2) GBDT回归的预测与调优.mp4
227-【异常检测】Ch 0 数据概况与案例导读.mp4
228-【异常检测】Ch 1 电商的核心价值:更高的交易效率.mp4
229-【异常检测】Ch 2 辨析电商交易模式:开放平台vs价值链整合.mp4
23.023.17.4 Excel的常用函数_04.mp4
230-【异常检测】Ch 3 淘宝vs京东:迥然不同的盈利模式.mp4
231-【异常检测】Ch 4 异常订单检测:商家的帮手,平台的抓手.mp4
232-【异常检测】Ch 5.1 数据预处理(1):基本特征探索与缺失值处理.mp4
233-【异常检测】Ch 5.2 数据预处理(2):重复值与异常值处理.mp4
234-【异常检测】Ch 6.1 特征工程(1) 建立benchmark,分割训练集与测试集.mp4
235-【异常检测】Ch 6.2 特征工程(2) 基于时间与城市构建编码函数与特征衍生函数.mp4
236-【异常检测】Ch 6.3 特征工程(3) 简单变量的处理,连续型变量的处理方法.mp4
237-【异常检测】Ch 6.4 特征工程(4) 复杂离散型变量的特征衍生与编码.mp4
238-【异常检测】Ch 7.1 建模与调参(1) 验证特征工程效果,解决样本不均衡问题.mp4
239-【异常检测】Ch 7.2 建模与调参(2) 树的数量、学习率、控制过拟合.mp4
24.024.18 查找引用函数:VLOOKUP_OFFSET_MATCH_INDEX.mp4
240-【异常检测】Ch 7.3 建模与调参(3) 基于软投票的模型融合.mp4
241-【用户流失】Part 1.1 业务背景与Kaggle平台使用方法介绍.mp4
242-【用户流失】Part 1.2 数据字段解释与数据质量检验.mp4
243-【用户流失】Part 1.3 字段类型转化与缺失值填补.mp4
244-【用户流失】Part 1.4 异常值检测.mp4
245-【用户流失】Part 1.5 相关性分析.mp4
246-【用户流失】Part 1.6 数据探索性分析与可视化呈现.mp4
247-【用户流失】Part 2.1 数据重编码:OrdinalEncoder过程.mp4
248-【用户流失】Part 2.2 数据重编码:OneHotEncoder过程.mp4
249-【用户流失】Part 2.3 转化器流水线:ColumnTransformer过程.mp4
25.025.19.1 Excel可视化_饼图&折线图.mp4
250-【用户流失】Part 2.4 特征变换:数据标准化与归一化.mp4
251-【用户流失】Part 2.5 连续变量分箱:等宽、等频与聚类分箱.mp4
252-【用户流失】Part 2.6 连续变量分箱:目标编码与有监督分箱.mp4
253-【用户流失】Part 2.7 逻辑回归机器学习流构建与训练.mp4
254-【用户流失】Part 2.8 逻辑回归机器学习流超参数搜索调优.mp4
255-【用户流失】Part 2.9 自定义sklearn评估器网格搜索.mp4
256-【用户流失】Part 2.10 逻辑回归模型解释与特征系数解读.mp4
257-【用户流失】Part 2.11 决策树模型训练与优化.mp4
258-【用户流失】Part 2.12 决策树模型解释与结果解读.mp4
259-【广告投放】Ch1.1广告&营销的本质.mp4
26.026.19.2 Excel可视化_条形图&散点图.mp4
260-【广告投放】Ch1.24P营销理论:产品.mp4
261-【广告投放】Ch1.34P营销理论:价格.mp4
262-【广告投放】Ch1.44P营销理论:渠道与推广.mp4
263-【广告投放】Ch1.5互联网公司如何靠流量致富?.mp4
264-【广告投放】Ch1.6以抖音为例聊聊互联网企业的变现之路.mp4
265-【广告投放】Ch2.1广告投放的目的、渠道、形式及计费方式.mp4
266-【广告投放】Ch2.2如何衡量广告效果及优化广告策略.mp4
267-【广告投放】Ch3.1在线教育发展历程.mp4
268-【广告投放】Ch3.2在线教育已死?No,加时赛已开启.mp4
269-【广告投放】Ch3.3行业洗牌:数据从业者机会何在?.mp4
27.027.19.3 Excel可视化_气泡图&雷达图&组合图.mp4
270-【广告投放】Ch3.4流量为王:在线教育的财富密码.mp4
271-【广告投放】Ch3.5在线教育的广告投放流程.mp4
272-【广告投放】Ch3.6在线教育广告投放案例分享(K12领域).mp4
273-【广告投放】Ch4.1数据指标体系的重要性及判断标准.mp4
274-【广告投放】Ch4.2搭建指标体系的起点:理解业务.mp4
275-【广告投放】Ch4.3搭建指标体系:定目标&理流程.mp4
276-【广告投放】Ch4.4搭建指标体系:选指标&搭体系.mp4
277-【广告投放】Ch5.1案例基本背景及数据情况.mp4
278-【广告投放】Ch5.2【选学】互联网巨头们的数据库演变之路.mp4
279-【广告投放】Ch5.3【选学】创建python与数据库之间的连接.mp4
28.028.19.4 Excel可视化_对称比较图&瀑布图.mp4
280-【广告投放】Ch5.4【选学】将python中的DF数据导入数据库.mp4
281-【广告投放】Ch5.5【选学】使用pandas完成数据库数据的读取和更新.mp4
282-【广告投放】Ch5.6数据分布情况及特征相关性分析.mp4
283-【广告投放】Ch6.1特征探索:各渠道流量基本情况.mp4
284-【广告投放】Ch6.2特征探索:渠道流量Top20分析.mp4
285-【广告投放】Ch6.3特征探索:渠道质量Top20分析.mp4
286-【广告投放】Ch6.4特征探索:投放总时间越长引流效果越好?.mp4
287-【广告投放】Ch6.5特征探索:不同投放时间下,渠道的流量和质量表现.mp4
288-【广告投放】Ch6.6特征探索:用户注册行为分析.mp4
289-【广告投放】Ch6.7特征探索:用户停留时间分析.mp4
29.029.19.5 Excel可视化_漏斗图&增维分析&动态图表.mp4
290-【广告投放】Ch6.8特征探索:用户搜索行为分析.mp4
291-【广告投放】Ch6.9特征探索:用户访问深度分析.mp4
292-【广告投放】Ch6.10特征探索:广告卖点分析.mp4
293-【广告投放】Ch6.11特征探索:广告物料分析.mp4
294-【广告投放】Ch6.12特征探索:广告预算分析.mp4
295-【广告投放】Ch6.13特征探索总结.mp4
296-【广告投放】Ch7.1特征工程:数据预处理&编码&数据归一化.mp4
297-【广告投放】Ch7.2聚类分析在实际工作中的应用.mp4
298-【广告投放】Ch7.3建模分析:使用Kmeans聚类完成渠道分组.mp4
299-【广告投放】Ch7.4分组结果的可视化展示.mp4
3.03 如何培养自己的数据思维.vip
30.030.19.6 Excel可视化_商业图表.mp4
300-【广告投放】Ch7.5业务应用:建模结果对业务的指导意义.mp4
301-简历项目模板.html
302-【数分报告】01了解数据分析报告.vip
303-【数分报告】02数据分析报告类型——日常分析报告.vip
304-【数分报告】03数据分析报告类型——专题型分析报告.vip
305-【数分报告】04数据分析报告类型——综合性分析报告.vip
306-【数分报告】05数分报告元素——整体架构.vip
307-【数分报告】06数分报告元素——标题.vip
308-【数分报告】07数分报告元素——目录.vip
309-【数分报告】08数分报告元素——分析背景&目的&思路.vip
31.031.20 数据透视表.mp4
310-【数分报告】09数分报告元素——报告正文部分.vip
311-【数分报告】10数分报告元素——结论与建议&附录.vip
312-【数分报告】11数据分析报告制作流程.vip
313-【数分报告】12数据分析竞赛信息【加餐】.vip
314-【数分报告】13从0到1制作数据分析报告.vip
32.032.21【实操】使用Excel制作数据分析监控日报.mp4
33.033.22.1 【案例】使用Excel进行零售分析_01.mp4
34.034.22.2 【案例】使用Excel进行零售分析_02.mp4
35.035.22.3 【案例】使用Excel进行零售分析_03.mp4
36.036.23.1【案例】使用Excel搭建RFM模型_01.mp4
37.037.23.2【案例】使用Excel搭建RFM模型_02.mp4
38.038.24 Tableau简介&工作区介绍.mp4
39.039.25 Tableau简单图形绘制.mp4
4.004.04 数字、数据、数据分析.vip
40.040.26 Tableau仪表板、故事的创建.mp4
41.041.27.1【案例】进行靠谱投资01_投资概况.mp4
42.042.27.2【案例】进行靠谱投资02_投资风向及回报分析.mp4
43.043.27.3【案例】进行靠谱投资03_评估投资回报&探索投资模式.mp4
44.044.28.1【案例】优秀电影的制作01.mp4
45.045.28.2【案例】优秀电影的制作02.mp4
46.046.28.3【案例】优秀电影的制作03.mp4
47.047.29.1【案例】畅想世界旅行_01.mp4
48.048.29.2【案例】畅想世界旅行_02.mp4
49.049.30 数据库的基本介绍.mp4
5.005.05 数据分析在企业中的地位.vip
50.050.31 MySQL基础知识:数据类型.mp4
51.051.32 MySQL基础知识:约束条件.mp4
52.052.33 MySQL的数据写入:手工建表.mp4
53.053.34 MySQL的数据导入:批量导入数据.mp4
54.054.35.1 MySQL的数据查询功能_01.mp4
55.055.35.2 MySQL的数据查询功能_02.mp4
56.056.35.3 MySQL的数据查询功能_03.mp4
57.057.36 基于CASE WHEN的常用查询.mp4
58.058.37 几种常见的嵌套查询(子查询).mp4
59.059.38 开窗函数.mp4
6.006.06 数据分析师的日常工作.vip
60.060.39 单表查询练习:彩票数据核对.mp4
61.061.40 复杂的多表查询.mp4
62.062.41 多表查询练习:电商数据查询.mp4
63.063.42 数据库的增删改操作.mp4
64.064.43【加餐1】高效查询方法.mp4
65.065.44【加餐2】SQL进阶之路.mp4
66.066.45 Python基础语法.mp4
67.067.46 Python常用数据类型.mp4
68.068.47 Python复合数据类型:列表、元组、字典、集合.mp4
69.069.48 Python中的控制流语句.mp4
7.007.07 数据分析的价值及必备能力.vip
70.070.49 Python中的函数.mp4
71.071.50 异常与错误.mp4
72.072.51 数据分析基础包Numpy.mp4
73.073.52 Pandas读取外部数据的基本方法.mp4
74.074.53 数据清洗:数据探索及数据处理.mp4
75.075.54 数据清洗:文本数据的常用处理方法.mp4
76.076.55 Python中的可视化图形绘制方法.mp4
77.077.56【案例1】欧洲人口结构探索性分析.mp4
78.078.57【案例2】熟食电商高价值用户挖掘.mp4
79.079.58.1【案例3】QQ群聊天记录描述性分析.mp4
8.008.08 Excel2016的安装教程_视频.vip
80.080.58.2【案例3】QQ群聊天内容词云图.mp4
81.081.PART1 数据分析师为什么要懂算法.mp4
82.082.PART2 初识机器学习算法库Scikit-Learn.mp4
83.083.PART3.1 sklearn建模流程及KNN算法原理.mp4
84.084.PART3.2 使用sklearn实现KNN算法建模.mp4
85.085.PART3.3 KNN算法调优:选取最优的K值.mp4
86.086.PART3.4 KNN中距离的相关讨论:常用距离衡量方式、数据归一化.mp4
87.087.PART3.5 数据处理的先后顺序及KNN算法优缺点.mp4
88.088.PART4.1 无监督聚类算法及其应用场景.mp4
89.089.PART4.2 Kmeans基本原理与sklearn实现.mp4
9.009.09 Tableau安装教程_视频.vip
90.090.PART4.3 KMeans聚类算法重要参数详解.mp4
91.091.PART4.4 聚类算法的评估指标:簇内平方和&轮廓系数.mp4
92.092.PART4.5 对比RFM分组效果与聚类效果.mp4
93.093.PART4.6 使用极坐标图绘制不同分组的分布情况.mp4
94.094.PART4.7 使用python对原数据集进行清洗并建模.mp4
95.095.PART4.8 聚类算法在实际应用的注意事项.mp4
96.096.PART4.9 使用聚类算法进行图像压缩_代码讲解.mp4
97.097.PART4.10 使用聚类算法进行异常检测_代码讲解.mp4
98.098.PART5.1 决策树是如何工作的.mp4
99.099.PART5.2 CART分类树的建模流程.mp4
Copyright © All rights reserved.
信息加载中,请等待...