《数据挖掘思维与实战》发掘数据隐藏价值，构建高薪知识架构

内容介绍：

本套课程从构建数据挖掘思维的角度出发，为你详解数据挖掘，具体分为三大部分：

第一部分、基础知识准备。 你建立对数据挖掘的全局认知，学习课程中可能会涉及的一些基础知识（包括必备的 Python 语言知识，以及如何搭建 Python 环境），夯实基础知识，帮你快速进入状态。

第二部分、数据挖掘过程。 授人以鱼不如授人以渔，这个部分的重点是让你能够在思想和行为上都做足准备，全面细致地了解数挖掘方法的实施过程。从理论到实战搞懂“数据挖掘”这个词是如何一步步变具体的。

第三部分、算法详解。 涉及数据挖掘的分类、聚类、回归、关联分析这四大问题，以及自然语言处理的部分知识。着重介绍核心算法的理念、优缺点、应用场景，让你能够快速上手应用。每个模块的最后一个课时，都会通过实践案例，让你掌握实战处理技巧。

彩蛋： 专栏的最后会提供数据挖掘的开源工具和学习资源： 如果你不会写代码，也可以先使用这些工具来进行数据挖掘；如果你希望在数据挖掘方面有更加深入的学习和理解，那么这些资源也会帮到你。

内容目录：

开篇词 掌握数据挖掘，搭上划时代的数字化列车

模块一：数据挖掘基础知识

01 数据挖掘，到底在解决什么问题？02 Python的数据结构和基本语法03 工欲善其事必先利其器，扩展包与Python环境

模块二：数据挖掘工作流程

04 理解业务和数据：我们需要做好什么计划？05 准备数据：如何处理出完整、干净的数据？06 数据建模：该如何选择一个适合我需求的算法？07 模型评估：如何确认我们的模型已经达标？08 模型应用：我们的模型是否可以解决业务需求？

模块三：分类问题

09 KNN算法：近朱者赤，近墨者黑10 决策树：女神使用的约会决策11 朴素贝叶斯：算一算你是否要买延误险12 支持向量机（SVM）：用一条线分开红豆与绿豆13 人工神经网络：当前最火热的深度学习基础14 实践1：使用XGB实现酒店信息消歧

模块四：聚类问题

15 k-means聚类：擒贼先擒王，找到中心点，它附近的都是一类16 DBScan聚类：打破形状的限制，使用密度聚类17 实践2：如何使用word2vec和k-means聚类寻找相似的城市

模块五：回归问题

18 线性回归与逻辑回归:找到一个函数去拟合数据19 实践3：使用线性回归预测房价

模块六：关联分析

20 Apriori与FP-Growth：不得不再说一遍啤酒与尿布的故事21 实践4：用关联分析找到景点与玩法的关系

模块七：自然语言处理

22 TF-IDF：一种简单、古老，但有用的关键词提取技术23 word2vec：让文字可以进行逻辑运算，女人+王冠=女王24 实践5：使用fastText进行新闻文本分类

彩蛋 数据挖掘工程师如何进阶结语 培养数据挖掘思维，终身学习