课程介绍
介绍数据分析：书籍、知识、心得、思维
@1.书籍阅读分享：体会数据故事、统计学、机器学习、深度学习、数据挖掘。
@2.心得：呈现应用、见解、技巧。
@3.知识点：了解背景、语言、软件。
@4.思维：数据分析思维。

讲师介绍
丁亚军老师
南京上度咨询数据分析总监 经管之家论坛SAS、SPSS 版版主 CDA 数据分析研究院研究员和SAS、SPSS 软件讲师研究方向为“统计软件与数据分析”、“市场调查分析”、“数据挖掘咨询”，IBM SPSS-China/SAS-Taiwan 顾问

课程目录
1.书籍：元分析方法应用指导（理论、统计学习）
2.书籍：jupyter入门与实战（软件、界面）
3.书籍：深度学习图解(深度学习、算法、模型)
4.书籍：管理学问卷调查研究方法（统计、结构方程）
5.书籍：python 大规模机器学习
6.书籍：机器学习实战：SkLearn和TF
7.知识：统计与机器学习背景
8.书籍：数据挖掘导论（机器学习，理论）
9.心得：数据货币化（数据货币化：价值、存储、流通、支付）
10.书籍：多层线性模型应用(追踪或重复测量、数据内部聚集)
11.书籍：项目反应理论基础(问卷、能力测量)
12.书籍：广义线性模型(广义线性、因变量测量，逻辑回归)
13.书籍：高级回归分析（稳健回归、分位数回归、截断数据回归）
14.书籍：Scikit-learn机器学习详解(上下)(python,sklearn,机器学习，预分析)
15.书籍：结构方程模型及其应用（原理、案例、软件）
17.书籍：信用风险评分卡研究基于SAS的开发与实施(ABCF卡，woe，iv，logistic，ks)
16.知识：定量分析模型分类（小数据，模型，分类）
18.书籍：神经网络与深度学习（神经网络，支持向量机，深度学习）
19.书籍：Python机器学习：数据分析与评分卡建模（评分卡，社会网络，python代码）
20.书籍：PySpark机器学习自然语言处理与推荐系统（分布式介绍，随机森林，pyspark包使用）
21.心得：智能与人工智能(婴儿、成人与老人学习)
22.书籍：Python深度学习(python,keras,图像识别)
23.书籍：scikit-learn user guide0.23.1(python,sklearn,机器学习)
24.书籍：SASSTAT 14.1User's Guide手册(sas,手册，使用解读)
25.心得：软件介绍（python，spss，sas）
26.书籍：机器学习（理论、神经网络、svm、sgd回归）
27.书籍：深度学习与计算机视觉(难度：8；评分：8分；内容：图像分析、深度学习、caffe)
28.知识点：数据可视化（spss、sas、python、r）
29.书籍：Python机器学习基础教程(难度：4；评分：8.3；sklearn、超参数、机器学习)
30.心得：统计与机器学习基层逻辑（方差、频数）
31.书籍：深度学习入门（与或4门、神经网络、卷积网络）


有兴趣的同学可以点击下方课程地址
https://edu.c da.cn/goods/show/2621?targetId=3902&preview=0