1、R语言的数据类型介绍

2、R语言的数据结构介绍

3、数据的读入和输出

4、R语言连接RDBMS数据库介绍

5、数据库的读/写

6、R和SQL的交互

7、循环语句

8、条件语句

9、遍历

10、常用函数

11、常用算法

12、定性变量

13、离散变量

14、连续变量

15、多元变量

16、对向量、矩阵和列表进行运算

17、提取和插入元素

18、日期和时间数据的操作处理

19、编写自定义函数解决复杂问题

20、编程技巧

21、编程案例介绍

1、绘图函数

2、图形增强函数

3、图形互动函数

4、高级绘图命令

5、散点图

6、柱状图

7、直方图

1、文本结构分析

2、文章分类

3、文章摘要

4、文章聚类

5、相似文章推荐

6、NLP自然语言处理

7、命名实体识别

8、案例分析

1、数据预处理

2、日期和时间的处理

3、因子变量的操作

4、下标数据整理技术

5、字符串操作

6、数据子集的筛选

7、识别重复数据和缺失值处理

8、函数映射数据转换整理技术

9、变量的重新编码

10、plyr、reshape2等包整理数据

1、随机数生成

2、蒙特卡洛模拟

3、中心极限定理的模拟

4、线性模型剖析

5、线性模型诊断方法

6、多元选择模型剖析

7、随机抽样

8、案例：蒙特卡罗模拟的应用

1、文章分类

2、用户踩赞行为预测

3、相似文章推荐

1、文本预处理

2、文本挖掘

3、模式与表示

4、模式评估

1、信息检索

2、倒排索引

3、文本分词

4、停用词

5、词根

6、主要的分词方法

7、基于规则的词性标注

8、自动语义标注

9、中文分词软件包

10、R语言中文分词

11、代码实现中文分词

1、前提假设

2、文章特征词提取

3、词频

4、逆文档频率

5、文章分类

6、案例分享：文章分类

7、模型质量评估

8、查准率

9、查全率

10、模型质量评估案例

11、TF-IDF的不足

12、算法改进

1、模型表示：特征向量

2、余弦相似度

3、相似文章推荐

4、案例介绍

5、代码实现

1、模型表示：Logistic回归函数

2、Logistic回归介绍

3、案例介绍

4、代码实现

1、产品推荐的理论依据

2、产品推荐的价值

3、产品推荐能达到的目的

4、产品推荐的原则

5、产品推荐的相关技术

6、基于产品的常用推荐算法

7、案例：R语言实现电信行业产品推荐

1、舆情分析两大方法

2、竞争对手监测

3、舆情数据抓取

4、新媒体

5、舆情数据分析模型

6、舆情分析应用价值

  a)规避风险

  b)侦查竞争

  c)了解用户

  d)认识自己

  e)洞察趋势

  f)创造价值

  g)舆情监测

  h)传播评估

  i)舆情报告

7、舆情解决方案服务

1、客户分群的商业理解

2、客户分群的数据理解

3、客户分群的数据准备

4、客户分群的模型建立

  a)分类分析

  b)聚类分析

  c)预测分析

  d)偏差分析

  e)关联分析和时序模式

5、基于聚类分析的客户分群

  a) k-means算法

  b) Gaussian算法

  c) Poisson算法

6、客户分群的模型评估

  a)群间特征差异是否明显

  b)群内特征是否相似

  c)分群是否易于管理及是否具有业务指导意义

7、客户分群的模型发布

8、战术分群与目标市场营销

1、什么是潜在客户

2、寻找潜在客户的原则

3、寻找潜在客户的方法

4、潜在客户的评估

5、潜在客户的管理