数据挖掘思维与实战 24 讲 发掘数据隐藏价值，构建高薪知识架构

摘要： 如今，大数据就像是一座潜力无穷的金矿，最核心的价值需要通过挖掘分析才能体现。各行各业的互联网化，让数据得到更广泛的应用。而从事数据分析、数据挖掘、数据处理的岗位的人才其实相当稀缺，...

数据挖掘思维与实战 24 讲 发掘数据隐藏价值，构建高薪知识架构资源简介：

 如今，大数据就像是一座潜力无穷的金矿，最核心的价值需要通过挖掘分析才能体现。各行各业的互联网化，让数据得到更广泛的应用。

而从事数据分析、数据挖掘、数据处理的岗位的人才其实相当稀缺， 如今掌握数据挖掘思维和技能，将会为你的升职加薪打牢基础。

专栏解读

这个专栏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。

课程目录

[4287] 开篇词  掌握数据挖掘，搭上划时代的数字化列车.md

[4288] 01  数据挖掘，到底在解决什么问题？.md

[4289] 02  Python 的数据结构和基本语法.md

[4290] 03  工欲善其事必先利其器，扩展包与 Python 环境.md

[4291] 04  理解业务和数据：我们需要做好什么计划？.md

[4292] 05  准备数据：如何处理出完整、干净的数据？.md

[4293] 06  数据建模：该如何选择一个适合我需求的算法？.md

[4294] 07  模型评估：如何确认我们的模型已经达标？.md

[4295] 08  模型应用：我们的模型是否可以解决业务需求？.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  朴素贝叶斯：算一算你是否要买延误险.md

[4299] 12  支持向量机（SVM）：用一条线分开红豆与绿豆.md

[4300] 13  人工神经网络：当前最火热的深度学习基础.md

[4301] 14  实践 1：使用 XGB 实现酒店信息消歧.md

[4302] 15  k-mean 聚类：擒贼先擒王，找到中心点，它附近的都是一类.md

[4303] 16  DBScan 聚类：打破形状的限制，使用密度聚类.md

[4304] 17  实践 2：如何使用 word2vec 和 k-mean 聚类寻找相似的城市.md

[4305] 18  线性回归与逻辑回归找到一个函数去拟合数据.md

[4306] 19  实践 3：使用线性回归预测房价.md

[4307] 20  Apriori 与 FP-Growth：不得不再说一遍啤酒与尿布的故事.md

[4308] 21  实践 4：用关联分析找到景点与玩法的关系.md

[4309] 22  TF-IDF：一种简单、古老，但有用的关键词提取技术.md

[4310] 23  word2vec：让文字可以进行逻辑运算，女人+王冠=女王.md

[4311] 24  实践 5：使用 fatText 进行新闻文本分类.md

[4312] 彩蛋  数据挖掘工程师如何进阶.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，搭上划时代的数字化列车.mp4

[4288] 01  数据挖掘，到底在解决什么问题？.mp4

[4289] 02  Python 的数据结构和基本语法.mp4

[4290] 03  工欲善其事必先利其器，扩展包与 Python 环境.mp4

[4291] 04  理解业务和数据：我们需要做好什么计划？.mp4

[4292] 05  准备数据：如何处理出完整、干净的数据？.mp4

[4293] 06  数据建模：该如何选择一个适合我需求的算法？.mp4

[4294] 07  模型评估：如何确认我们的模型已经达标？.mp4

[4295] 08  模型应用：我们的模型是否可以解决业务需求？.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  朴素贝叶斯：算一算你是否要买延误险.mp4

[4299] 12  支持向量机（SVM）：用一条线分开红豆与绿豆.mp4

[4300] 13  人工神经网络：当前最火热的深度学习基础.mp4

[4301] 14  实践 1：使用 XGB 实现酒店信息消歧.mp4

[4302] 15  k-mean 聚类：擒贼先擒王，找到中心点，它附近的都是一类.mp4

[4303] 16  DBScan 聚类：打破形状的限制，使用密度聚类.mp4

[4304] 17  实践 2：如何使用 word2vec 和 k-mean 聚类寻找相似的城市.mp4

[4305] 18  线性回归与逻辑回归找到一个函数去拟合数据.mp4

[4306] 19  实践 3：使用线性回归预测房价.mp4

[4307] 20  Apriori 与 FP-Growth：不得不再说一遍啤酒与尿布的故事.mp4

[4308] 21  实践 4：用关联分析找到景点与玩法的关系.mp4

[4309] 22  TF-IDF：一种简单、古老，但有用的关键词提取技术.mp4

[4310] 23  word2vec：让文字可以进行逻辑运算，女人+王冠=女王.mp4

[4311] 24  实践 5：使用 fatText 进行新闻文本分类.mp4

[4312] 彩蛋  数据挖掘工程师如何进阶.mp4

[4313] 结语  培养数据挖掘思维，终身学习.mp4