商业数据分析教程资源简介：
一、基本概念
商务数据分析是指通过收集、整理、分析和解释数据，帮助企业了解市场、客户和自身业务状况的过程。商务数据分析通常包括数据收集、数据清洗、数据可视化、数据挖掘和分析报告等步骤。
二、方法
数据收集：通过各种渠道收集数据，如市场调查、客户反馈、销售数据等。
数据清洗：对收集到的数据进行整理和清洗，去除无效和错误数据。
数据可视化：将数据转化为图表、图形或表格等形式，以便更好地理解和分析数据。
数据挖掘：通过算法和工具从大量数据中提取有价值的信息。
分析报告：将分析结果以报告形式呈现，为企业决策提供依据。
├──{10}–第十单元电子推荐系统
| ├──{1}–推荐系统基础
| ├──{2}–推荐系统结构
| ├──{3}–基于人口统计学和内容的推荐
| ├──{4}–基于协同过滤的推荐算法
| ├──{5}–基于图的模型，基于Pagerank的推荐，基于相关规则的推荐
| ├──{6}–其它推荐方法
| ├──{7}–评价推荐结果的方法
| ├──{8}–评价推荐结果的指标
| └──{9}–常见的推荐系统问题
├──{11}–第十一单元深度学习
| ├──{10}–基于LSTM的股票预测
| ├──{11}–图像定位与识别1
| ├──{12}–图像定位于识别2
| ├──{13}–强化学习
| ├──{14}–对抗网络的生成
| ├──{15}–迁移学习
| ├──{16}–对偶学习
| ├──{17}–深度学习复习
| ├──{1}–卷积基本概念
| ├──{2}–Lenet框架(1)
| ├──{3}–Lenet框架(2)
| ├──{4}–基本单元的卷积
| ├──{5}–卷积神经网络训练
| ├──{6}–基于卷积的股票预测
| ├──{7}–RNN基础循环神经网络
| ├──{8}–循环神经网络的训练和示例
| └──{9}–LSTMM长短期记忆网络
├──{12}–第十二单位实践机器学习课程讨论
| └──{1}–讨论课程教学方法
├──{1}–第一单元机器学习概论
| ├──{1}–机器学习简介
| ├──{2}–机器学习过程
| ├──{3}–常用的机器学习算法(1)
| ├──{4}–常用的机器学习算法(2)
| ├──{5}–常见的机器学习问题
| ├──{6}–准备机器学习
| └──{7}–机器学习的常用应用领域
├──{2}–第二单元分类算法
| ├──{10}–贝叶斯网络模型算法
| ├──{11}–应用贝叶斯网络
| ├──{12}–主分量分析和奇异值分解
| ├──{13}–判别分析
| ├──{1}–决策树概述
| ├──{2}–ID3算法
| ├──{3}–C4.CART算法和CART算法
| ├──{4}–连续属性离散化，过拟合问题
| ├──{5}–集成学习
| ├──{6}–支持向量机的基本概念
| ├──{7}–支持向量机原理
| ├──{8}–支持向量机的应用
| └──{9}–简单贝叶斯模型
├──{3}–第三单位神经网络基础
| ├──{1}–神经网络简介
| ├──{2}–神经网络相关概念
| ├──{3}–BP神经网络算法(1)
| ├──{4}–BP神经网络算法(2)
| └──{5}–神经网络的应用
├──{4}–第四单元聚类分析
| ├──{1}–聚类分析的概念
| ├──{2}–聚类分析的测量
| ├──{3}–基于划分的方法(1)
| ├──{4}–基于划分的方法(2)
| ├──{5}–基于密度聚类和基于层聚类
| ├──{6}–基于模型的聚类
| └──{7}–EM算法
├──{5}–第五单元可视化分析
| ├──{1}–可视化分析基础
| ├──{2}–可视化分析方法
| └──{3}–在线教学数据分析案例
├──{6}–第六单元关联分析
| ├──{1}–基本概念的关联分析
| ├──{2}–Apriori算法
| └──{3}–应用相关规则
├──{7}–第七单元回归分析
| ├──{1}–回归分析基础
| ├──{2}–线性回归分析
| └──{3}–非线性回归分析
├──{8}–第八单元文本分析
| ├──{1}–文本分析简介
| ├──{2}–基本概念的文本分析
| ├──{3}–语言模型、向量空间模型
| ├──{4}–词法、分词、句法分析
| ├──{5}–语义分析
| ├──{6}–文本分析应用
| ├──{7}–知识图谱简介
| ├──{8}–知识图谱技术
| └──{9}–构建和应用知识图谱
└──{9}–第九单元分布式机器学习，遗传算法
| ├──{1}–分布式机器学习基础
| ├──{2}–分布式机器学习框架
| ├──{3}–并行决策树
| ├──{4}–并行k-均值算法
| ├──{5}–多元线性回归模型并行多元线性回归模型
| ├──{6}–遗传算法基础
| ├──{7}–遗传算法的过程
| ├──{8}–应用遗传算法
| └──{9}–蜂群算法
[我要扒资料]
