拼团链接：数据分析与挖掘R语言十三式，299元打造R全栈专家！

操作方式：微信扫描以下二维码，开始参团

课程名称：

《数据分析与挖掘R语言十三式》

参团后请及时添加课程助手电话\微信：18516242756

课程目标：                                          

数据挖掘（R语言）从零开始，由浅入深，包括初级入门、中级进阶、高级提升和资深冲刺四个阶段，13套专业课程，从R语言基础、数据质量、数据可视化、数据挖掘、算法、机器学习等体系学习，介绍了R语言及数据分析与挖掘的各个技术细节。通过实际的案例演练，让学员真正体验数据挖掘与R的魅力。新手完全能够通过本课程学习，成长为优秀的R语言全栈专家。            

课程特色：

录播课程自由学习，利用碎片化时间提升知识技能；

科学完整全套体系，从入门到轻松处理项目之所需；

资深名师悉心指导，解决学习问题并完成学习曲线；

理论实践互补结合，培养解决问题及独立研究能力。 

课程建议：

如果你想从事数据分析和挖掘的工作，本课程是你不可或缺的要学习的内容，学习时，建议做好笔记，多敲代码，勤加练习，多和老师和同学交流，必可成为优秀的的数据从业人员。 

主讲老师：

谢佳标

• 多届中国R语言大会演讲嘉宾；
• 目前为某游戏公司数据挖掘的负责人，带领团队对游戏数据进行深度挖掘，主要利用R语言进行*大数据的挖掘和可视化工作；
• 从事数据挖掘建模工作9年+，具有丰富的电商、电购、游戏、电力等行业经验，熟悉不同领域的数据特点，有丰富的利用R语言进行数据挖掘实战经验；
• 撰写《R语言与数据挖掘》、《R语言游戏数据分析》等书籍。

开课时间：

2016年11月28日

学习方式：

录播课程开课即学，可以自由选择学习时间；

在线反复观看，有效期2年，不定期公开课；

独享福利：VIP会员群+问答中心在线答疑。

课程大纲:      

初级入门篇：（四个系列课程）

中级基础篇：（三个系列课程）

高级提升篇：（三个系列课程）

资深冲刺篇：（三个系列课程）

 已更新课程：

https://edu.hellobi.com/course/explore/r

详细培训大纲:

第一阶段：R语言基础

第一课时：《R语言快速入门》

（时长约2小时32分钟） 

课程目的：学完本课程，掌握R及RStudio工具的安装及使用，了解R的工作空间和包，对数据结构、数据导入、基础绘图及描述性统计分析有个初步的了解。

课程介绍：

1、讲师自我介绍

2、课程大纲及常用分析工具介绍

3、R、RStudio and Rattle安装及介绍

4、新手上路

5、帮助、工作空间及包的介绍

6、数据对象向量详解

7、数据对象之矩阵和数据框

8、数据导入

9、R语言基础绘图

10、R语言描述性统计分析

第二课时：《R语言数据对象及数据基本管理》

（时长约4小时24分钟）

课程目的：通过本课程学习，深入了解R语言不同数据对象创建及时间格式转换方法，掌握常用的数据管理技巧及会编写简单的分支和循环语句。

课程大纲：   

第一章  数据对象   

1、常用数据对象类型介绍    

2、对象属性的判断和转换    

3、日期变量及其常用函数介绍   

4、查看对象的类型   

5、向量创建及向量化操作详解

6、常用序列创建及索引向量介绍

7、因子的创建及储存原理

8、矩阵和数组的创建及应用

9、列表和数据框的创建    

第二章   数据基本管理  

1、数据基本管理知识点介绍及创建新变量

2、变量的重新编码

3、变量重命名

4、变量虚拟化处理详解

5、粘贴函数详解

6、转换函数transform介绍

7、排序函数（sort、order、rank）详解

8、选定特定行或者子集的subset函数详解

9、sqldf包介绍

第三章   循环及分支语句   

1、分支语句详解

2、循环语句介绍

第三课时：《R语言数据导入导出》

（时长约2小时21分钟）

课程目的：通过本课程学习，掌握文本文件、非结构化文件、excel文件的读入方式；掌握R语言与mysql数据库的连接方式及数据读取及操作；掌握quantmod包爬取金融数据的基本操作。

课程大纲：

1、课程大纲介绍

2、从键盘输入数据

3、利用RStuido导入数据

4、读入文本文件数据

5、将Excel数据读入R

6、利用foreign包读入spss、arff格式数据

7、利用RODBC包实现R与数据库连接

8、数据爬取之quantmod包介绍

9、利用其它方式爬取网络数据

第四课时：《数据描述性统计分析及数据抽样》

（时长约2小时27分钟）

课程目的：通过本课程学习，掌握R语言常用的位置度量统计指标；深入探讨数据抽样，包括随机抽样函数sample及等比例抽样函数createDataParation函数的使用；运用SMOTE函数进行类失衡问题处理等等。

课程大纲：

第一章  描述性统计分析

 1、课程大纲及描述性统计分析简介

 2、均值函数的介绍及参数trim详解

 3、mean函数的na.rm参数及weighted.mean函数介绍

 4、median函数详解

 5、百分位数quantile函数详解

第二章 数据抽样

 1、数据抽样的必要性及常用场景

 2、类失衡函数SMOTE详解

 3、数据随机抽样sample函数

 4、利用sample函数实现等比抽样

 5、creatDataPartition函数介绍

 6、用于交叉验证的样本抽样-creatFolds函数

 7、数据标准化- preProcess()函数

第五课时：《R语言绘图基础》

（时长约3小时17分钟）

课程目的：通过本课程学习，掌握R常用图形参数（颜色、点、线、文字）；低级绘图函数（标题、图例、坐标轴、点、线） 以及基础包中常用高级绘图函数的用法。

课程大纲：

第一章 绘图参数设置

 1、R语言绘图基础及颜色参数col详解

 2、主题配色函数详解

 3、RColorBrewer颜色扩展包详解

 4、文字元素相关参数设置详解

 5、点元素相关参数设置详解

 6、线元素相关参数设置详解

第二章 低级绘图函数

 1、标题设置详解

 2、坐标轴axis函数详解

 3、图例函数legend详解

 4、网格线grid、点point、文字text函数介绍

 5、线函数abline、lines详解

第三章  基础包中高级绘图函数

 1、基础包中 常见绘图函数

 2、散点图、散点图矩阵、高密度散点图、三维散点图以及气泡图详解

 3、线图、点图、直方图、核密度图、箱线图

第六课时：《R语言之高级绘图》

（时长约5小时46分钟）

课程目的：通过本课程学习，灵活应用lattice包、ggplot2包对复杂数据进行可视化；掌握常用的数据可视化交互包rCharts、recharts、rborkeh、plotly等包的安装及使用。

课程大纲：

第一章 ggplot2绘图系统 

 1、ggplot2原理及qplot函数介绍

 2、ggplot常用函数及案例演示 

 3、ggplot绘制散点图、柱状图、直方图演示

 4、ggthemes主题包介绍 

第二章 lattice绘图系统  

 5、lattice包小例子

 6、图形参数设置

 7、条件变量

 8、面板函数

 9、分组变量

 10、lattice高级绘图函数介绍

 11、条形图barchart函数详解

 12、点图dotplot函数详解

 13、直方图histogram、核密度图densityplot和带状图stripplot函数介绍

 14、QQ图qqmath和qq函数、箱线图bwplot、散点图xyplot、散点图矩阵splom函数介绍

 15、lattice包中三维图绘制介绍 

第三章 交互式绘图  

 16、rCharts包安装及小例子演示

 17、nPlot函数绘制柱状图和条形图

 18、利用nPlot函数绘制饼图和散点图

 19、hPlot和mPlot函数介绍和案例演示

 20、recharts包介绍及散点图案例演示

 21、recharts绘制条形图雷达图和中文数据测试

 22、rbokeh包介绍及案例演示

 23、plotly包介绍及案例演示

 24、其他交互包的介绍

第七课时：《R语言之数据探索》

（时长约4小时51分钟）

课程目的：通过本课程学习，理解数据质量分析的重要性；掌握缺失值高级处理的方法；通过数据分析手段分析异常值以及研究连续性变量间的相关性。

课程大纲：

1、数据质量

• 数据质量分析理论知识
• 课程大纲及数据缺失值产生原因介绍
• 缺失值的影响和简单分析

2、异常值的处理方法介绍

• 缺失值处理的高级方法
• 缺失值处理的步骤和常用方法介绍
• 识别缺失值（na和complete.cases函数详解）

3、md.pattern函数详解

4、探索缺失值模式：aggr函数详解

5、缺失值处理：行删除和利用缺失值进行替换

6、利用线性回归和随机森林对缺失值进行插补

• 异常值处理
• 质量控制图qcc函数详解
• 利用stats函数识别异常值2

7、利用K-Means聚类识别异常值

• 相关性分析
• 相关性分析的常用方法
• 散点图矩阵详解
• 求相关系数值及可视化

第二阶段：R语言模型篇

第八课时：《数据挖掘算法之统计模型篇》

（预计时长：6个小时）

课程目的：通过本课程学习，掌握常用经典挖掘算法：线性回归、降维技术、聚类分析及关联规则的基本原理及R语言实现；并通过案例带领大家进行实战。

课程大纲：

• 线性回归及广义线性回归模型
• 线性回归基本原理
• 一元线性回归
• 多元线性回归
• 回归诊断
• 广义线性回归模型基本原理
• Logit回归
• 降维技术
• 主成分分析的基本原理
• 主成分分析的R语言实现
• 案例：利用主成分分析构建股票市场指数
• 因子分析的基本原理
• 因子分析的R语言实现
• 案例：对洛杉矶街区数据进行因子分析
• 对应分析的基本原理
• 对应分析的R语言实现
• 案例：游戏玩家购物喜欢的对应分析
• 聚类分析
• 距离的计算方法：dist函数
• 常用聚类分析的原理：K-Means聚类、层次聚类的实现原理详细介绍
• 常用聚类分析的R语言实现
• 案例：对鸢尾花数据集进行K-Means聚类
• 案例：对汽车数据集进行K-Means聚类
• 案例：对洛杉矶街区数据进行层次聚类
• 案例：对汽车数据集进行层次聚类
• 关联规则
• 关联规则的基本概念：关联规则的原理及Apriori算法介绍
• 关联规则的R语言实现
• 关联规则可视化-arulesViz包介绍
• 案例：利用超市购物篮Groceries数据进行关联规则分析

第九课时：《数据挖掘算法之机器学习篇》

（预计时长：6个小时）

课程目的：通过本课程学习，掌握常用机器学习算法：KNN近邻算法、朴素贝叶斯算法、决策树算法已经组合算法的基本原理及R语言实现。

课程大纲：

• KNN近邻分类算法
• KNN近邻算法基本原理介绍
• KNN近邻算法R语言实现
• 案例：对iris数据集进行knn分类
• 案例：对乳腺癌数据集wisc_bc_data进行knn分类
• 朴素贝叶斯分类
• 朴素贝叶斯分类算法原理
• 朴素贝叶斯算法的R语言实现
• 案例：对数据集PimaIndiansDiabetes进行分类
• 案例：利用朴素贝叶斯分类对文本数据进行分类
• 决策树算法
• 理解决策树基本原理
• 不同决策树算法的核心理念
• 不同决策树算法的R语言实现
• 案例：利用不同的决策树算法对鸢尾花数据集进行分类预测
• 案例：利用不同的决策树算法对汽车数据集进行分类预测
• 应用组合算法进行分类
• 为什么要用组合算法
• 常用组合算法的原理介绍
• 不同组合算法的R语言实现
• 案例：对胎心宫缩监护数据的胎儿状态分类进行研究
• 案例：对汽车数据集中的用户满意度状态进行研究

第十课时：《数据挖掘算法之模型评估篇》

（预计时长：3.5个小时）

课程目的：通过本课程学习，掌握常用的模型评估方法：混淆矩阵、ROC曲线、K折交叉验证等。

课程大纲：

• 混淆矩阵
• 深入了解混淆矩阵
• 使用混淆矩阵度量性能
• ROC曲线
• ROC曲线的理论知识
• ROC曲线的R绘制方法
• 利用caret包比较ROC曲线
• 基于K折交叉验证方法
• K折交叉验证基本原理
• 利用e1071包完成交叉验证
• 利用caret包完成交叉验证

第三阶段：R语言进阶篇

第十一课时：《数据挖掘可视化工具：Rattle篇》

（预计时长：4个小时）

课程目的：通过本课程学习，掌握Rattle工具的基本操作，实现快速完成数据探索、数据预处理、数据建模、模型评估等数据挖掘工作。

课程大纲：

• Rattle介绍及安装
• Rattle简介
• Rattle介绍
• 功能预览
• 数据导入Rattle
• 导入csv格式数据
• 导入txt格式数据
• 导入ARFF数据
• 导入ODBC数据
• 导入其他数据
• 数据探索
• 数据总体概要
• 数据分布探索（数据可视化）
• 数据相关性分析
• 数据主成分分析
• 交互图
• 数据建模及模型评估
• 聚类分析
• 关联规则
• 决策树
• 随机森林
• 模型评估

第十二课时：《利用shiny快速搭建数据挖掘平台原型》

（预计时长：7个小时）

课程目的：通过本课程学习，掌握shiny及shinydashboard包的知识点，通过实际案例详解让学员达到自行搭建网页app应用的能力。

课程大纲：

第一章 利用shiny包快速搭建数据分析平台原型

• shiny包介绍
• shiny包搭建web网页原理
• shiy框架介绍
• 常用控件介绍
• 案例详细介绍

第二章 利用shinydashboard包快速搭建BI平台

• shinydashboard包介绍
• shinydashboard框架介绍
• 常用函数介绍
• 案例：快速搭建数据分析平台原理
• 输出lattice包、ggplot2等常规图形
• 输出rCharts包、DT包、networkD3包等交互图形

第三章 在平台输出模型结果：关联分析规则可视化&聚类分析结果可视化

• 案例：用户细分及付费预测平台
• 平台基本功能介绍
• 平台框架搭建
• 代码详解

第四章 案例渠道用户打分平台

• 平台基本功能介绍
• 平台框架搭建
• 代码详解

第十三课时：《行业案例分享》

（预计时长：8个小时）

课程目的：通过本课程学习，提升知识点综合应用能力。通过不同行业案例的分享，掌握数据挖掘在实际业务数据中的方法论，达到举一反三，进而能将挖掘技术应用到自己实际数据中去。

课程大纲：

第一章 案例：对玩家付费行为进行预测

• 对玩家物品购买关联分析
• 基于玩家物品的智能推荐
• 玩家社会网络分析

第二章 案例：航空公司客户价值分析

• 背景与挖掘目标
• 分析方法与过程
• 数据探索分析
• 数据预处理
• 模型构建
• 模型应用

第三章 案例：基于数据挖掘技术的市财政收入分析预测模型

• 背景与挖掘目标
• 分析方法与过程
• 数据探索分析
• 数据预处理
• 模型构建
• 模型应用

第四章 案例：预测股票市场收益

• 问题描述与目标
• 定义预测任务
• 预测模型
• 模型评价和选择

第五章 案例：侦测欺诈交易

• 问题描述与目标
• 定义数据挖掘任务
• 计算离群值的排序

第六章 案例：客户回复预测与效益最大化

• 问题描述与目标
• 数据探索
• 训练决策树
• 模型评估
• 选择最有决策树
• 评分

联系方式：

1、参团后，请加天善智能课程助手微信：18516242756 ，发送参团成功截图；

2、手机：18516242756

3、邮件：admin@hellobi.com

Q&A

1、团课成功后，如何使用学籍号开启学习之旅？

答：团课成功后，参团成功并成功缴纳尾款以后，系统会自动发送一条拼团成功的信息给大家，包含了您个人信息姓名和电话以及学号。

请参考说明页面《如何使用学籍号》注册使用。

2、本次课程的上课形式是什么？

答：本次课程是录播视频学习课程，两年有效期内，可访问天善学院随时观看。

3、学习过程中有问题如何咨询。

答：完成课程报名后，将邀请您加入课程学员VIP交流群，在群内与讲师、课程助手及同学们沟通。另外亦可在天善问答社区提问，会有诸多顾问和同道为您解答。

4、看不了课程怎么办。

答：请使用谷歌浏览器观看课程视频，如仍无法解决，请联系课程助手协助查看。