第一天

数据结构与算法

第一部分：

1.数据结构与算法的关系深入

2.数据结构研究的三个方面问题及关系

3.数据结构的逻辑结构划分及特点

4.数据存储结构的划分及特点

5.常用数据结构的介绍

Ø 数组（静态、动态数组）、线性表、链表（单向链、双向链表、循环链表）、队列、栈、树（二叉树、查找树、平衡树、线索树、线索树、堆）图等的定义、存储和操作

第二部分：算法

1.算法的基本概念

2.算法的特点及设计基本要求

3.常用算法的介绍

Ø 枚举法、迭代法、递归法、递推法、分治法、回溯法、排序算法、查找算法、数值计算方法、字符串处理方法、数据压缩算法、图的相关算法等

4.算法与数据结构的关系总结

第二天

常用数据分析方法和算法技术及python算法实践

第一部分：常用数据挖掘及数据分析技术

1.数据挖掘主要分析方法和算法：

1）聚类分析方法和算法（Clustering）：

2）分类分析方法和算法（Classification）

3）关联分析方法和算法（Association）

4）预测分析方法和算法（Prediction）

5）回归分析方法和算法

6）异常点检测分析方法和算法

2.主要涉及的常用算法：聚类算法（重点：K-Means算法）、关联分析算法（GRI、Aprior、序列）、决策树算法、贝叶斯网络、神经网络算法、回归算法（线性和逻辑）、异常点检测算法 等

重点：把分析方法和算法结合应用场景进行简要说明和分析使用场景

第二部分：python算法实践（分类、聚类及网络爬虫案例）

第三天

数据思维与数据分析应用

数据思维与数据分析应用---结合行业应用例子分析说明

1.认识数据分析的特点和问题

2.通过行业应用的案例理解数据分析的模型框架

3.一般人员与数据分析师的区别点及如何磨练

4.数据分析的关键点

5.数据分析的6个步骤，3大阶段

   分别对以上6个步骤以案例的方式详细说明，并说明每个阶段的重点和难点。

6.数据分析在行业应用案例介绍

    重点研讨：如何做好数据分析的需求模型建设及做好总结