EXCEL數(shù)據(jù)建模和挖掘培訓課程

辦公軟件與多媒體·培訓

課程簡章2024-06-07小艾老師

課程概述

本課程致力于教授如何利用EXCEL進行高級數(shù)據(jù)分析、數(shù)據(jù)挖掘和機器學習，以提高決策質量和預測未來趨勢。從基礎的數(shù)理統(tǒng)計和概率論到復雜的機器學習算法，我們將通過實際案例和動手實踐，確保學員能夠在工作中運用所學技能。

課程對象

適合數(shù)據(jù)分析師、市場分析師、財務分析師、業(yè)務分析師和任何需要使用EXCEL進行數(shù)據(jù)分析和預測的專業(yè)人士。

課程目標

掌握EXCEL中的數(shù)據(jù)分析和挖掘工具，包括Power Query和Power Pivot。
學習使用EXCEL進行統(tǒng)計分析，包括假設檢驗、方差分析和回歸模型。
應用機器學習算法來解決實際問題，如分類、回歸和聚類。
理解并運用時間序列分析和預測模型。

課程收益

獲得深入的EXCEL數(shù)據(jù)分析和機器學習知識。
學會使用EXCEL進行復雜數(shù)據(jù)集的處理和分析。
通過實戰(zhàn)案例，提升解決實際工作中數(shù)據(jù)問題的能力。
掌握數(shù)據(jù)挖掘的流程，從數(shù)據(jù)預處理到模型評估。

課程時長3天

課程大綱

時間	內容
第1天? 數(shù)理統(tǒng)計和概率論	數(shù)據(jù)分類與尺度設定值與反饋值集中趨勢指標(均值、中位數(shù)、眾數(shù)) 離散程度(方差、標準差、數(shù)據(jù)標準化、切比雪夫定理) 分部規(guī)律(均勻分布、正態(tài)、卡方、t分布、F分布) 數(shù)據(jù)距離(歐式距離和曼哈頓距離）	數(shù)據(jù)之間的關系（協(xié)方差、相關性、相關性與因果關系）三大相關系數(shù)(Pearson、spearman、kendall)、相關矩陣樣本和總體抽樣方法大數(shù)定理和中心極限定理點估計和區(qū)間估計置信度和置信區(qū)間	假設檢驗的概念 Z檢驗和T檢驗卡方檢驗方差分析概率基本性質聯(lián)合概率條件概率全概率樸素貝葉斯
第2天? EXCEL高級數(shù)據(jù)挖掘和機器學習概述	EXCEL動態(tài)數(shù)組使用數(shù)據(jù)挖掘的流程和概念缺失值查找和處理(刪除和替換）重復值查找和處理異常值/離群值判斷標準差法和四分位法連續(xù)型數(shù)據(jù)離散化折線圖、柱狀圖、散點圖和氣泡圖餅圖和箱線圖、直方圖和極坐標圖(雷達圖) 熱力圖和瀑布圖、帕累托圖和排列圖	漏斗圖和區(qū)域圖、因果分析圖和控制圖(關聯(lián)圖) 親和圖和系統(tǒng)圖、矩陣圖和優(yōu)先次序矩陣圖過程決策程式圖法和箭線圖法時間序列概述 EXCEL實現(xiàn)時間序列分析機器學習概述理解分類和回歸	機器學習流程理解數(shù)據(jù)集劃分特征工程標簽離散化 One-hot編碼數(shù)據(jù)規(guī)范化(標準化和歸一化）數(shù)據(jù)特征降維:(方差降維) 主成分分析(PCA) 因子分析
第3天指標評估和分類算法和回歸	EXCEL超級表使用二分類混淆矩陣分類指標解析閾值對決策結果影響繪制和解讀ROC曲線繪制和解讀PR曲線	過擬合和欠擬合交叉驗證和網(wǎng)格搜索 K近鄰分類算法決策樹分類算法決策樹減枝參數(shù)調優(yōu) 一元線性回歸理論推導	估算系數(shù)和評估指標多元線性回歸和多項式回歸 K-MEANS算法實現(xiàn)聚類評估指標：FMI和輪廓系數(shù) 層次聚類算法

為什么選擇艾威

自2003年成立以來，艾威培訓一直致力于提供高質量的職業(yè)教育和培訓。我們的課程由經驗豐富的數(shù)據(jù)科學家和行業(yè)專家授課，結合最新的教育理念和技術，為學員提供了一個實用、深入的學習平臺。選擇艾威培訓，您將獲得實用的技能和持續(xù)的職業(yè)支持，為您的專業(yè)發(fā)展和職業(yè)晉升提供堅實的基礎。

培訓咨詢

贊

時間	內容
第1天? 數(shù)理統(tǒng)計和概率論	數(shù)據(jù)分類與尺度設定值與反饋值集中趨勢指標(均值、中位數(shù)、眾數(shù)) 離散程度(方差、標準差、數(shù)據(jù)標準化、切比雪夫定理) 分部規(guī)律(均勻分布、正態(tài)、卡方、t分布、F分布) 數(shù)據(jù)距離(歐式距離和曼哈頓距離）	數(shù)據(jù)之間的關系（協(xié)方差、相關性、相關性與因果關系）三大相關系數(shù)(Pearson、spearman、kendall)、相關矩陣樣本和總體抽樣方法大數(shù)定理和中心極限定理點估計和區(qū)間估計置信度和置信區(qū)間	假設檢驗的概念 Z檢驗和T檢驗卡方檢驗方差分析概率基本性質聯(lián)合概率條件概率全概率樸素貝葉斯
第2天? EXCEL高級數(shù)據(jù)挖掘和機器學習概述	EXCEL動態(tài)數(shù)組使用數(shù)據(jù)挖掘的流程和概念缺失值查找和處理(刪除和替換）重復值查找和處理異常值/離群值判斷標準差法和四分位法連續(xù)型數(shù)據(jù)離散化折線圖、柱狀圖、散點圖和氣泡圖餅圖和箱線圖、直方圖和極坐標圖(雷達圖) 熱力圖和瀑布圖、帕累托圖和排列圖	漏斗圖和區(qū)域圖、因果分析圖和控制圖(關聯(lián)圖) 親和圖和系統(tǒng)圖、矩陣圖和優(yōu)先次序矩陣圖過程決策程式圖法和箭線圖法時間序列概述 EXCEL實現(xiàn)時間序列分析機器學習概述理解分類和回歸	機器學習流程理解數(shù)據(jù)集劃分特征工程標簽離散化 One-hot編碼數(shù)據(jù)規(guī)范化(標準化和歸一化）數(shù)據(jù)特征降維:(方差降維) 主成分分析(PCA) 因子分析
第3天指標評估和分類算法和回歸	EXCEL超級表使用二分類混淆矩陣分類指標解析閾值對決策結果影響繪制和解讀ROC曲線繪制和解讀PR曲線	過擬合和欠擬合交叉驗證和網(wǎng)格搜索 K近鄰分類算法決策樹分類算法決策樹減枝參數(shù)調優(yōu) 一元線性回歸理論推導	估算系數(shù)和評估指標多元線性回歸和多項式回歸 K-MEANS算法實現(xiàn)聚類評估指標：FMI和輪廓系數(shù) 層次聚類算法