如今，大数据就像一个潜在的金矿，其核心价值需要通过挖掘和分析来体现。各行各业的互联网使数据得到更广泛的应用。
但从事数据分析、数据挖掘、数据处理的岗位人才实际上相当稀缺， 现在掌握数据挖掘思维和技能将为你的晋升和加薪奠定坚实的基础。
专栏解读
本专栏从构建数据挖掘思维的角度为您详细讲解数据挖掘，分为三个部分：
第一部分，准备基础知识。 建立对数据挖掘的全局认知，学习课程中可能涉及的一些基础知识(包括必要的) Python 语言知识，以及如何构建 Python 环境)，巩固基础知识，帮助你快速进入状态。
第二部分，数据挖掘过程。 与其教人钓鱼，不如教人钓鱼。这部分的重点是让你在思想和行为上做好充分的准备，全面细致地了解数字挖掘方法的实施过程。从理论到实战，了解“数据挖掘”一词是如何逐步变得具体的。
第三部分，算法详解。 这四个问题涉及数据挖掘的分类、聚类、回归和相关分析，以及自然语言处理的一些知识。重点介绍核心算法的概念、优缺点和应用场景，以便您能够快速启动应用程序。每个模块的最后一个小时将通过实践案例掌握实际的战斗处理技能。
彩蛋： 专栏最终将为数据挖掘提供开源工具和学习资源： 如果您不能编写代码，您也可以使用这些工具进行数据挖掘；如果你想对数据挖掘有更深入的学习和理解，这些资源也会对你有所帮助。
课程目录
（4287) 开篇词 掌握数据挖掘，乘坐划时代的数字列车.md
（4288) 01 数据挖掘解决了哪些问题？.md
（4289) 02 Python 基本语法的数据结构和数据结构.md
（4290) 03 工欲善其事必先利其器，扩展包与 Python 环境.md
（4291) 04 了解业务和数据：我们需要制定什么计划？.md
（4292) 05 准备数据：如何处理完整、干净的数据？.md
（4293) 06 数据建模：如何选择适合我需要的算法？.md
（4294) 07 模型评估：如何确认我们的模型符合标准？.md
（4295) 08 模型应用:我们的模型能满足业务需求吗？.md
（4296) 09 KNN 算法:近朱者赤，近墨者黑.md
（4297) 10 决策树：女神使用的约会决策.md
（4298) 11 简单贝叶斯：算算你是否想买延迟保险.md
（4299) 12 支持向量机（SVM）：红豆和绿豆用一条线分开.md
（4300) 13 人工神经网络：目前最热门的深度学习基础.md
（4301) 14 实践 1：使用 XGB 实现酒店信息消歧.md
（4302) 15 k-mean 聚类:抓贼先抓王，找中心点。它附近有一种.md
（4303) 16 DBScan 聚类：打破形状限制，使用密度聚类.md
（4304) 17 实践 2：如何使用 word2vec 和 k-mean 聚类寻找类似的城市.md
（4305) 18 找到一个函数来拟合线性回归和逻辑回归的数据.md
（4306) 19 实践 3：线性回归预测房价.md
（4307) 20 Apriori 与 FP-Growth：我不得不再讲一遍啤酒和尿布的故事.md
（4308) 21 实践 4：通过相关分析找出景区与游戏玩法的关系.md
（4309) 22 TF-IDF：简单、古老但有用的关键词提取技术.md
（4310) 23 word2vec：让文字逻辑运算，女人+王冠=女王.md
（4311) 24 实践 5：使用 fatText 对新闻文本进行分类.md
（4312) 彩蛋 数据挖掘工程师如何进步？.md
（4313) 结语 培养数据挖掘思维，终身学习.md
文档
（4287) 开篇词 掌握数据挖掘，乘坐划时代的数字列车.mp4
（4288) 01 数据挖掘解决了哪些问题？.mp4
（4289) 02 Python 基本语法的数据结构和数据结构.mp4
（4290) 03 工欲善其事必先利其器，扩展包与 Python 环境.mp4
（4291) 04 了解业务和数据：我们需要制定什么计划？.mp4
（4292) 05 准备数据：如何处理完整、干净的数据？.mp4
（4293) 06 数据建模：如何选择适合我需要的算法？.mp4
（4294) 07 模型评价：如何确认我们的模型已达标？.mp4
（4295) 08 模型应用:我们的模型能满足业务需求吗？.mp4
（4296) 09 KNN 算法:近朱者赤，近墨者黑.mp4
（4297) 10 决策树：女神使用的约会决策.mp4
（4298) 11 简单贝叶斯：算算你是否想买延迟保险.mp4
（4299) 12 支持向量机（SVM）：红豆和绿豆用一条线分开.mp4
（4300) 13 人工神经网络：目前最热门的深度学习基础.mp4
（4301) 14 实践 1：使用 XGB 实现酒店信息消歧.mp4
（4302) 15 k-mean 聚类:抓贼先抓王，找中心点。它附近有一种.mp4
（4303) 16 DBScan 聚类：打破形状限制，使用密度聚类.mp4
（4304) 17 实践 2：如何使用 word2vec 和 k-mean 聚类寻找类似的城市.mp4
（4305) 18 找到一个函数来拟合线性回归和逻辑回归的数据.mp4
（4306) 19 实践 3：线性回归预测房价.mp4
（4307) 20 Apriori 与 FP-Growth：我不得不再讲一遍啤酒和尿布的故事.mp4
（4308) 21 实践 4：通过相关分析找出景区与游戏玩法的关系.mp4
（4309) 22 TF-IDF：简单、古老但有用的关键词提取技术.mp4
（4310) 23 word2vec：让文字逻辑运算，女人+王冠=女王.mp4
（4311) 24 实践 5：使用 fatText 对新闻文本进行分类.mp4
（4312) 彩蛋 数据挖掘工程师如何进步？.mp4
（4313) 结语 培养数据挖掘思维，终身学习.mp4
[我要扒资料]
