1、培訓(xùn)過程中，如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽；
       2、課程完成后,授課老師留給學(xué)員手機(jī)和Email,保障培訓(xùn)效果,免費(fèi)提供半年的技術(shù)支持。
       3、培訓(xùn)合格學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會。☆合格學(xué)員免費(fèi)頒發(fā)相關(guān)工程師等資格證書，提升職業(yè)資質(zhì)。專注高端技術(shù)培訓(xùn)15年，端海學(xué)員的能力得到大家的認(rèn)同，受到用人單位的廣泛贊譽(yù)，端海的證書受到廣泛認(rèn)可。

01章Excel數(shù)據(jù)分析
01-01Excel數(shù)據(jù)處理技巧和高效方法
01-02Excel數(shù)據(jù)收集、整合、規(guī)范化
01-03Excel公式、函數(shù)、數(shù)組及數(shù)據(jù)分析
01-04Excel可視化數(shù)據(jù)分析（排序、篩選、透視表等）
01-05Excel圖表化數(shù)據(jù)呈現(xiàn)
02章數(shù)據(jù)庫管理
02-01數(shù)據(jù)庫簡介
02-02MySQL 增刪改語句
02-03MySQL select查詢語句
02-04MySQL綜合案例
02-05SQLserver應(yīng)用
02-06Oracle應(yīng)用
03章Excel BI
03-01Power Query基本功能介紹
03-02Power Query進(jìn)行數(shù)據(jù)導(dǎo)入
03-03Power Query橫向合并與縱向合并數(shù)據(jù)
03-04Power Query M函數(shù)與數(shù)據(jù)預(yù)處理
03-05Power Pivot數(shù)據(jù)導(dǎo)入功能
03-06Power Pivot搭建多維數(shù)據(jù)集與多維數(shù)據(jù)透視
03-07Power Pivot創(chuàng)建層次結(jié)構(gòu)及KPI
03-08Power Pivot綜合應(yīng)用案例：商機(jī)相關(guān)企業(yè)信息
03-09Power Map數(shù)據(jù)地圖創(chuàng)建及應(yīng)用方法
03-10Power View交互式儀表板創(chuàng)建方法
03-11案例：全國主要城市空氣質(zhì)量地圖、餐飲業(yè)店鋪銷售狀況儀表盤
04章Tableau數(shù)據(jù)可視化
04-01Tableau公司和產(chǎn)品介紹
04-02使用Tableau連接多源數(shù)據(jù)
04-03Tableau可視化界面介紹
04-04Tabelau數(shù)據(jù)分析P1：排序、篩選、計算字段、分層結(jié)構(gòu)
04-05Tableau數(shù)據(jù)分析P2：集和參數(shù)、趨勢線、預(yù)測區(qū)間
04-06初級圖表：條形圖、折線圖、餅圖、文字云、散點(diǎn)圖、地圖、樹形圖、氣泡圖、圖表組合
04-07高級圖表：子彈圖、環(huán)形圖、瀑布圖、Bump Chart、Table Formatting
04-08使用Tableau制作儀表板與故事
04-09實戰(zhàn)項目1：某公司銷售數(shù)據(jù)可視化
04-10實戰(zhàn)項目2：航班運(yùn)營狀況分析
05章python編程
05-01python基礎(chǔ)語法
05-02python基本數(shù)據(jù)類型
05-03python的運(yùn)算符
05-04python字符串、列表、元組等
05-05python條件控制
05-06python循環(huán)語句
05-07python函數(shù)、類、模塊
05-08python文件操作、異常處理
06章Python數(shù)據(jù)清洗
06-01Numpy的ndarray
06-02數(shù)組的索引和切片
06-03數(shù)組的運(yùn)算
06-04常用的數(shù)組方法
06-05Series數(shù)據(jù)結(jié)構(gòu)
06-06DataFrame數(shù)據(jù)結(jié)構(gòu)
06-07匯總計算
06-08缺失值處理
06-09數(shù)據(jù)合并、重塑
06-10Groupby技術(shù)
06-11數(shù)據(jù)透視表和交叉表
07章Python數(shù)據(jù)可視化
07-01可視化基本概念和設(shè)計原則
07-02利用pandas進(jìn)行數(shù)據(jù)可視化
07-03python可視化工具M(jìn)atplotlib的安裝和使用
07-04Matplotlib高階繪圖
07-05seaborn繪圖
07-06pyecharts繪圖
8章Python爬蟲
08-01爬蟲的基本原理
08-02HTML簡介
08-03發(fā)送請求和網(wǎng)頁抓取
08-04設(shè)置瀏覽器代理
08-05數(shù)據(jù)解析-Xpath
08-06BeautifulSoup簡介
08-07數(shù)據(jù)解析-正則表達(dá)式
08-08動態(tài)渲染頁面抓取
08-09新聞爬蟲案例
08-10招聘爬蟲案例
09章商業(yè)BI實戰(zhàn)案例
09-01使用MySQL+Excel制作關(guān)鍵指標(biāo)監(jiān)控儀
09-02使用Excel+SQL制作銷售情況分析儀案例：
09-03Step1：理解數(shù)據(jù)分析業(yè)務(wù)背景，確定分析目標(biāo)
09-04Step2：使用Power Query連接Mysql進(jìn)行數(shù)據(jù)導(dǎo)入和數(shù)據(jù)預(yù)處理
09-05Step3：使用Power Pivot創(chuàng)建多維數(shù)據(jù)分析環(huán)境
09-06Step4：使用Excel和Power View制作數(shù)據(jù)分析儀交互式可視化界面
09-07商業(yè)報告撰寫
10章線性代數(shù)
10-01向量與線性空間
10-02線性變換與矩陣
10-03行列式與線性方程組
10-04歐式空間
10-05內(nèi)積因子與算子
11章統(tǒng)計學(xué)
11-01數(shù)據(jù)準(zhǔn)備
11-02描述統(tǒng)計
11-03假設(shè)檢驗
11-04一元線性回歸
11-05多元回歸
11-06一般logistic回歸
11-07logistic回歸與修正
11-08數(shù)據(jù)挖掘與logistic回歸
12章python機(jī)器學(xué)習(xí)
12-01機(jī)器學(xué)習(xí)入門介紹與技術(shù)概覽
12-02KNN
12-03Kmeans
12-04線性回歸與logistic回歸
12-05矩陣分解與降維方法（PCA）
12-06樸素貝葉斯
12-07決策樹：分類樹和回歸樹
12-08集成算法：隨機(jī)森林、XGboost、Adaboost
12-09關(guān)聯(lián)規(guī)則與序列模式
12-10支持向量機(jī)
12-11神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
13章大型案例
13-01案例一：評分卡
13-02案例二：電商零售
14章非關(guān)系型數(shù)據(jù)庫MongoDB
14-01MongoDB簡介
14-02MongoDB的常用操作
14-03MongoDB的使用
14-04python操作MongoDB
15章深度學(xué)習(xí)基礎(chǔ)：復(fù)雜網(wǎng)絡(luò)分析
15-01圖論
15-02復(fù)雜網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)性質(zhì)
15-03更多類型的網(wǎng)絡(luò)
15-04復(fù)雜網(wǎng)絡(luò)的演化
15-05復(fù)雜網(wǎng)絡(luò)的功能
15-06案例：北京市快速軌道交通的有效性
15-07案例：社交網(wǎng)絡(luò)數(shù)據(jù)分析
16章深度學(xué)習(xí)框架TensorFlow
16-01開發(fā)環(huán)境搭建
16-02TensorFlow基本數(shù)據(jù)結(jié)構(gòu)
16-03TensorFlow實現(xiàn)代碼結(jié)構(gòu)和開發(fā)步驟——回歸問題
16-04TensorFlow實現(xiàn)代碼結(jié)構(gòu)和開發(fā)步驟——分類問題
17章深度學(xué)習(xí)基礎(chǔ)算法理論及實踐
17-01AI概述和TensorFlow基礎(chǔ)
17-02神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
17-03卷積神經(jīng)網(wǎng)絡(luò)
17-04RNN和LSTM
17-05手寫數(shù)字識別的突破——卷積神經(jīng)網(wǎng)絡(luò)TensorFlow實現(xiàn)
18章深度學(xué)習(xí)高階算法理論及實踐
18-01判別網(wǎng)絡(luò)
18-02生成網(wǎng)絡(luò)
18-03對抗網(wǎng)絡(luò)和增強(qiáng)學(xué)習(xí)
19章人工智能實戰(zhàn)
19-01文本分析項目
19-02文本數(shù)據(jù)預(yù)處理
19-03文本分析應(yīng)用與python語言實現(xiàn)
19-04圖像識別項目
19-05深度學(xué)習(xí)與圖像識別及經(jīng)典數(shù)據(jù)集
19-06圖像識別的突破——卷積神經(jīng)網(wǎng)絡(luò)
19-07使用卷積神經(jīng)網(wǎng)絡(luò)對經(jīng)典數(shù)據(jù)集cifar進(jìn)行分類識別
19-08使用自己的數(shù)據(jù)集訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)
19-09語音識別項目
19-10語音技術(shù)分析
19-11本地語音識別
19-12網(wǎng)絡(luò)語音識別
19-13對抗網(wǎng)絡(luò)項目
19-14GAN原型講解
19-15DCGAN
19-16DiscoDAN