一、数据挖掘入门篇
1、R语言快速入门
课程介绍：学完本课程，掌握R及RStudio工具在windows的安装及使用，了解R的工作空间和包。
R语言优势
windows安装R和RStudio
R基本知识
如何查看帮助文档
R的工作空间
R包的安装和使用
2、R语言数据对象
课程介绍：深入了解R语言不同数据对象创建及使用，掌握数据子集提取的不同方法。
向量
矩阵
数组
列表
数据框
3、数据读入
课程介绍：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。
利用Rstudio导入数据
读入csv/txt格式数据
读入非结构化文本数据
读入Excel数据
读入数据库数据（MySQL）
网络数据爬取技术
4、数据基本管理
课程介绍：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。
创建新变量
变量的重新编码
变量重命名
变量虚拟化处理详解
粘贴函数详解
转换函数transform介绍
排序函数（sort、order、rank）详解
选定特定行或者子集的subset函数详解
sqldf包介绍
apply家族
循环和判断语句
5、描述性统计分析
课程介绍：掌握R语言常用的位置度量统计指标，对数据进行描述性统计分析和频数统计。
均值函数的介绍及参数trim详解
median函数详解
百分位数quantile函数详解
方差var及标准差sd函数详解
常用描述性统计函数
分组进行描述性统计分析
频数统计
6、R语言绘图基础之常用参数设置
课程介绍：掌握R常用图形参数（颜色、点、线、文字）的调整。
R语言绘图基础及颜色参数col详解
主题配色函数详解
RColorBrewer颜色扩展包详解
文字元素相关参数设置详解
点元素相关参数设置详解
线元素相关参数设置详解
7、R语言绘图基础之低级绘图函数
课程介绍：低级绘图函数（标题、图例、坐标轴、点、线）的函数使用。
标题设置详解
坐标轴axis函数详解
图例函数legend详解
网格线grid、点point、文字text函数介绍
线函数abline、lines详解
8、R语言绘图基础之高级绘图函数
课程介绍：基础包中常用高级绘图函数的用法和图形解读。
基础包中常见绘图函数
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
线图、点图、直方图、核密度图箱线图
9、R语言绘图高级篇之ggplot2包
课程介绍：灵活应用ggplot2包对复杂数据进行可视化。
ggplot2包绘图特色
qplot函数
几何对象
图形属性
向图中添加拟合线
分面
主题函数
ggplot作图
简单条形图
绘制簇状条形图
条形图着色
添加数据标签
绘制点图
ggthemes主题包
ggExtra包
10、R语言绘图高级篇之交互式绘图
课程介绍：利用各种扩展包将你的图表动起来。
rCharts包安装及小例子演示
nPlot、hPlot、mPlot函数详解
recharts包介绍及散点图案例演示
rbokeh包介绍及案例演示
其他交互包的介绍
11、玩转shiny--快速搭建数据挖掘平台
课程介绍：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。
shiny学习资料
shiny简介
shiny组成
程序运行
HTML5函数
控件函数
K-Means聚类平台搭建
shinydashboard包介绍
改造K-Means的app应用
案例：LTV预测平台
12、R语言之数据探索
课程介绍：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。
缺失值处理的步骤和常用方法介绍
识别缺失值（is.na和complete.cases函数详解）
md.pattern函数详解
探索缺失值模式：aggr函数详解
缺失值处理：行删除和利用缺失值进行替换
利用线性回归和随机森林对缺失值进行插补
异常值处理之qcc质量控制图
异常值处理之箱线图
异常值处理之聚类分析
二、R语言模型篇
介绍：掌握常用经典挖掘算法，包括线性回归、聚类分析及关联规则的基本原理及R语言实现；通过案例带领大家进行实战；并学习机器学习算法，包括KNN近邻、决策树、bagging、boosting和随机森林等分类算法，让大家能掌握多种工具应付日常的预测需求。
13、R语言模型篇：线性回归模型
线性回归原理介绍
线性回归模型案例演示
逻辑回归基本原理及R语言实现
利用logit回归对病患者进行识别
利用logit对信用卡评分模型进行研究
14、R语言模型篇：聚类分析
聚类算法及聚类知识介绍
常用聚类算法及R语言实现
K-Means聚类案例演示
层次聚类案例演示
15、R语言模型篇：关联规则
关联规则原理及R语言实现
关联规则可视化包arulesViz介绍
关联规则案例演示
16、R语言模型篇：KNN近邻分类
KNN近邻算法基本原理及K值的选择方法
KNN算法距离准备及KNN R语言实现
案例一：用KNN算法对鸢尾花分类进行识别
案例二：用KNN算法诊断乳腺癌
案例三：用KNN算法对汽车类型进行识别
17、R语言模型篇：决策树分类
决策树算法基本原理
ID3算法举例
决策树R语言实现
决策树案例演示
18、R语言模型篇：组合方法
组合方法基本原理及adaboost算法R语言实现
agging分类R语言实现
随机森林及R语言实现
三、Rattle篇
介绍：作为优秀的统计软件包，R语言也提供了强大的数据挖掘工具，但是这些工具分散在数以百计的R 包之中，而且写脚本和编程往往也会成为快速解决问题的障碍。rattle包的出现很好的解决了这个问题。
19、数据挖掘可视化工具：Rattle篇
Rattle工具介绍
Rattle的常用功能介绍
Rattle 导入数据
Rattle数据探索
Rattle建立模型
Rattle模型评估
综合案例演示
四、案例篇
20、行业案例分享
案例一：航空公司客户价值分析
项目背景
数据解读
数据处理
数据探索
用户分群
结果解读
案例二：对玩家付费行为进行预测
项目背景
数据解读
数据转换
构建模型
模型评估