【1】学习前言及数据分析的简单介绍&jupyter的介绍与安装
学习内容
学习方法
• 重视基础
• 归纳总结，构建自己知识体系
• 推荐使用xmind思维导图
• 三多法则
• 多练习
• 多应用
• 多思考
发展方向
例子：
• 数据分析班级到课人数
• 有8人不来上课，这是数据分析吗？
数据挖掘与数据分析区别
这是现象，不是原因，所以这肯定不是数据分析。
若是班主任的业务能力比较强，他对每个同学的上课情况都十分了解可能有五个同学一直加班，比较忙所以没有来上课，还有两个是因为跟不上了，还有一个在谈对象。这才是原因，然后会有解决方案，比如因为有跟不上的同学，那么老师就会放慢进度，放慢语速，对于加班忙的同学，老师会敦促他们空闲时间是否已经补课，看录播了，当然那个谈对象的同学就没有解决方案 [dog]
所以我们会发现这种业务型的数据分析 需要分析数据找到原因然后提供解决方案 ，这就是完整的闭环。
那么数据挖掘又是什么？
数据挖掘跟数据分析不一样，数据挖掘基本上大量的工作在建模，比如通过大量的数据去训练模型，得到一个最简单的模型，比如y=kx+b 这是一种线性回归。要想确定这条线，首先得确定k 和b 两个参数 那数据挖掘是什么？就好比说我们有一系列的数据，x呢是我们的样本数据，y是我们的预测数据，我们通过大量的数据训练出k和b,也可以说是拟合。那么假如我们得出了k=1,b=2, 那么就有了y=x+2了，就有了一条准线，这条线就是模型，那么当我们有新的样本数据，x=1时，y=3，意思就是我们有了新的样本数据就可以获得预测值。这就是一个最简单得模型。这就是一个机器学习或者数据挖掘的过程。简单来说就是通过大量数据训练出一个模型，这个训练的过程就是求参。求得参数以后就能用新的数据代入这个模型来求得预测结果，当然这个是通俗的来说，如果详细的来讲，会涉及到很多东西，比如哪一个k b误差是最小的。
本课程的设计
数据分析的这三个库是机器学习的基础，没有这三个库的知识储备的话，学习机器学习是比较为难的。
这里注意一下我们的jupyter是直接可以写数据分析报告的，当然很多公司都是用ppt来展示的，jupyter没有那么美观，jupyter是一个编辑器
课程注意事项
• 在课程每小段知识点讲解完毕之后： 会跟大家进行互动，那么希望大家积极的反馈该知识点的学习情况。
• 如有大部分同学反馈有疑问，则会停下来重新解释。但是同一个问题课题上重复讲解不超过2次。
• 关于课程我们会根据课堂内容适当拖堂，但考虑大家次日上班以及学习的效率问题，一般不会超过22:30。
• 关于直播 VS 录播
• 希望大家享受学习的过程，直播可以帮助大家更高效的学习。
• 录播建议
• 若没上直播课程，课后一定要抽时间补上录播，避免后期跟不上。
• 录播学习不建议重复，如有需要建议先看课程笔记，带着疑问跟回放。
• 课堂纪律：不允许迟到早退，有请假的要提前和班主任老师或者我进行说明/ 对于要退出课堂的同学要在公屏说明原因。
• 关于节假日：国家法定节假日都正常休息，大家可以自由安排行程（如有特殊安排，会及时群公告说明）
坚持
只有坚持耐得住寂寞才能有成效
数据分析介绍
数据分析基本概念
• 用适当的统计分析方法对收集来的大量数据进行分析
• 提取有用信息和形成结论
• 对数据加以详细研究和概括总结的过程
我们举一个例子，比如一个公司是销售型的，我们需要分析它的销售线状(线状分析)，