《循序渐进学Excel》系列视频教程由ExcelHome 于2008年5月创作，讲师为ExcelHome站长、资深微软MVP周庆麟，非常好的EXCEL 学习资料，堪称经典，非常适合职场小白学习，赶紧膜拜吧。

Tableau 数据可视化，Tableau 介绍，入门，案例

AI实例教程

初级课程分享

课程介绍 本视频是郎大为在雪晴数据网直播公开课的分享，观看Slides。 演讲摘要 REmap是一个基于echarts2.0制作可交互地图的工具，包含了分级地图，热力图，实时地图的功能.本次分享将会介绍REmap的基本功能以及在0.2版本之后更新的一些个性化新功能，包括在knitr和shiny中使用的方式 详细介绍请看课程预告 版权声明 本课程讲师已授权雪晴数据网发布本视频，任何组织或个人在未得到本站和演讲者同意的情况下，都不得翻录、下载或以任何形式发布本视频内容。

适合SPSS初学者

课程介绍 本视频是谢佳标在雪晴数据网直播公开课的分享。 演讲摘要 利用R语言进行快速实现数据按照某变量进行等比例随机抽样，快速对数据进行虚拟化处理 一个综合的的数据挖掘案例演示：利用气候数据预测某供应商的销量预测 R语言数据挖掘可视化工具：Rattle工具介绍版权声明 本课程讲师已授权雪晴数据网发布本视频，任何组织或个人在未得到本站和演讲者同意的情况下，都不得翻录、下载或以任何形式发布本视频内容。

课程介绍 本课程出自第八届中国R语言会议（南昌会场）暨江西财经大学第一届金融大数据论坛，请大家关注会议官方网站及统计之都网站，获取更多资料。如有问题请加本站官方QQ群：321311420。 本课程主要介绍了R和python两种主流数据分析工具的各自特点，以及两者之间的协同配合。R是一门灵活的编程语言，具有强大的数据可视化能力以及包含丰富的数据包库。python具有广泛的应用领域，既可以开发类似豆瓣这样的大型网站，也可以用来做数据分析。可以说这两者都是数据分析的利器。 常见问题 选修这门课，我能得到什么？ 通过本次学习，了解R和Python之间的共同点和不同之处，以及如何将两者结合。 这门课的目标人群是谁？ BI工程师、数据分析师、数据挖掘工程师等大数据从业人员和数据分析爱好者。 学习过程中如何获得帮助？ 进入本课程对应讨论小组提问，加入雪晴数据网官方QQ群，群号 321311420 版权声明 本课程讲师已授权雪晴数据网发布本视频，任何组织或个人在未得到演讲者及会议主办方授权的情况下，都不得翻录、下载或以任何形式发布本视频内容。

Excel 2007高级应用课程，内容涉及Excel基本功能、Excel数据分析、函数与公式应用、图表与图形、VBA应用等内容，附录中还提供了Excel限制和规范、Excel常用快捷键、Excel常用函数、VBA函数功能分类速查表等内容。Excel Home

Adobe illustrator是一种应用于出版、多媒体和在线图像的工业标准矢量插画的软件，作为一款非常好的图片处理工具，Adobe Illustrator广泛应用于印刷出版、海报书籍排版、专业插画、多媒体图像处理和互联网页面的制作等，也可以为线稿提供较高的精度和控制，适合生产任何小型设计到大型的复杂项目。

课程介绍 本演讲视频来源于华东师范大学统计学院与统计之都主办的第八届中国R语言会议（上海会场），请大家关注会议官方网站及统计之都网站，获取更多资料。如有问题请加本站官方QQ群：321311420。 演讲者介绍 演讲者毛苏晗，2012年毕业于南京大学本科，先后在eBay和淘在路上工作，主要从事数据处理数据挖掘方面的工作。 演讲摘要 在旅游评论数据中，用CRF算法训练词性的分类器，并运用一些规则提取出评论数据中的关键性的评价，以此看出评论者的好恶。其他一些自然语言处理的工具在旅游数据情感分析中的小应用。 版权声明 本课程讲师已授权雪晴数据网发布本视频，任何组织或个人在未得到本站和演讲者同意的情况下，都不得翻录、下载或以任何形式发布本视频内容。

演讲者介绍 林荟，现任美国杜邦公司商业数据科学家，毕业于爱荷华州立大学，统计学博士，先后担任该校兽医学院统计咨询师及商学院统计咨询师，研究兴趣在预测模型，机器学习，数据可视化，市场营销调查分析，消费者行为分析，自然语义处理和文本挖据，健康与疾病统计分析等方面。 往期演讲视频： 如何用R做数据预处理 数据整合操作和建模辅助技术 演讲摘要 以一个对不同航空公司乘客的满意度问卷调查数据为例，向大家展示从数据收集整理到数据建模再到成果商业运用的过程。主要用到统计特征提取的方法。特征提取是一项用不同变量的组合代替原变量的技术。它的目的是自动地构建新的特征，将原始特征转换为一组具有明显物理意义或者统计意义的特征。比如通过变换特征取值来减少原始数据中某个特征的取值个数等。演讲者会用到2个常用的可以对数据降维的特征提取方法：主成分分析（PCA）和探索性因子分析（EFA）。PCA试图找到原变量的不相关线性组合，这些线性组合能够最大限度的解释原数据中变量方差。EFA同样试图在尽量小的维度上解释原数据中尽可能多的方差。 版权声明 本课程讲师已授权雪晴数据网发布本视频，雪晴数据网已授权研趣网录播。其他任何组织或个人在未得到本站和演讲者同意的情况下，都不得翻录、下载或以任何形式发布本视频内容。