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(zhì)量和預測未來趨勢。從基礎(chǔ)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(nèi)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(guān)系（協(xié)方差、相關(guān)性、相關(guān)性與因果關(guān)系）三大相關(guān)系數(shù)(Pearson、spearman、kendall)、相關(guān)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(zhì) 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(guān)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(jié)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(diào)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(zhì)量的職業(yè)教育和培訓。我們的課程由經(jīng)驗豐富的數(shù)據(jù)科學家和行業(yè)專家授課，結(jié)合最新的教育理念和技術(shù)，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(chǔ)。

培訓咨詢

贊

時間	內(nèi)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(guān)系（協(xié)方差、相關(guān)性、相關(guān)性與因果關(guān)系）三大相關(guān)系數(shù)(Pearson、spearman、kendall)、相關(guān)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(zhì) 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(guān)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(jié)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(diào)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